| 開催日 | 2025年6月26日(木) |
|---|---|
| 開催地 | Web |
★リザバーコンピューティングの導入から類似手法との比較，デモンストレーション，最新の研究動向までをわかりやすく丁寧にご紹介
★ミニマルユーザーガイドとPythonサンプルプログラム（時系列予測）付き
■セミナーテーマ
初学者のためのリザバーコンピューティング入門：基礎から具体的応用，最新研究まで
＜Zoomによるオンラインセミナー:見逃し視聴あり＞
■講師
東京理科大学 理学部第一部 応用数学科 准教授 犬伏 正信 氏
（大阪大学 大学院基礎工学研究科・招へい准教授 兼職）
■主経歴等
2012/04～2013/03 京都大学 数理解析研究所・日本学術振興会 特別研究員(DC2)
2013/04～2018/02 NTT コミュニケーション科学基礎研究所・研究員
2018/03～2021/03 大阪大学 大学院基礎工学研究科・助教
2021/04～現職
■専門および得意な分野・研究
非線形力学系理論の情報科学・流体力学への応用
■本テーマ関連の専門学協会等での委員会活動
電子情報通信学会 会誌編集委員 (2016-2018)
日本流体力学会 学会誌「ながれ」編集委員 (2019-)，流体数理OS オーガナイザ (2019-)
日本物理学会 領域11運営委員（応用数学・力学系・流体力学分野 担当）(2021-)
●日時 2025年6月26日（木） 13:00-16:30
●会場 会場での講義は行いません。
●受講料
【オンラインセミナー（見逃し視聴なし）】：1名45,100円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき34,100円
【オンラインセミナー（見逃し視聴あり）】：1名50,600円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき39,600円
＊学校法人割引；学生、教員のご参加は受講料50％割引。→「セミナー申込要領・手順」を確認下さい。
■講座のポイント
過去の時系列データ（例えば日々変動する気温のデータ）が手元にあるとき、ニューラルネットワークを学習することで、将来の予測を行うことができます。リザバーコンピューティング（ＲＣ）は数あるニューラルネットワークの中でも単純・高速かつ精度の良い方法として近年注目されています。
本講義はニューラルネットワークの基礎の解説からはじめ、ＲＣの仕組みを理解した上で実際にサンプルコードを動かして使えるようになることを目標としています。
ニューラルネットワークの書籍は多数ありますが、本講義の特徴の一つは「ＲＣのミニマルユーザーガイド」をお配りし、それをもとにＲＣの応用に必要な最低限のエッセンスをお伝えすることです。具体的な時系列予測問題（応用例）のデモンストレーションを通して、ＲＣの予測精度や他の類似手法との比較（強みと弱み）、最新の研究状況までを分かりやすく解説いたします。
■受講後、習得できること
・リザバーコンピューティングの仕組みと特徴の理解
・Pythonプログラムを応用した時系列予測問題の解決
・ＲＣの予測精度や他の類似手法との比較（計算コストなどの強みと弱み）の理解
■講演プログラム
1.はじめに
(1)時系列予測のための機械学習
1-1 ＡＩ機械学習の基礎
1-2 教師あり学習
1-3 教師なし学習
1-4 強化学習
1-5 生成ＡＩ
(2)最小二乗法でよくわかる教師あり学習
(3)ニューラルネットワーク
(4)リカレントニューラルネットワーク（ＲＮＮ）
2.リザバーコンピューティング（ＲＣ）
(1)ＲＣミニマルユーザーガイドの解説
(2)学習およびテストデータの準備について
(3)ＲＣの学習と高精度予測
(4)学習データ量の依存性
(5)ＲＣの特徴と他のＲＮＮ手法との比較
3.非線形システム（カオス時系列）の学習と予測に関する最新研究
(1)少量のデータを用いたRCの学習と予測（転移学習)
(2)ＲＣの高精度予測に関する理論研究～なぜＲＣはうまくいくのか～（同期現象）
(3)大自由系に対する低次元モデルの構成（オートエンコーダ）
（質疑応答）
