☆☆☆Web配信セミナー☆☆☆

『AI学習制御の基礎と実践応用』　

 S241127AW

　☆☆☆本セミナーは、Zoomを使用して、行います。☆☆☆

開催日時：2024年11月27日（水）10:00-17:00
受 講 料：お1人様受講の場合　53,900円[税込]／1名
　　　　　1口でお申込の場合　66,000円[税込]／1口（3名まで受講可能）

　★本セミナーの受講にあたっての推奨環境は「Zoom」に依存しますので、ご自分の環境が対応しているか、
　お申込み前にZoomのテストミーティング（http://zoom.us/test）にアクセスできることをご確認下さい。

　★インターネット経由でのライブ中継ため、回線状態などにより、画像や音声が乱れる場合があります。
　講義の中断、さらには、再接続後の再開もありますが、予めご了承ください。

　★受講中の録音・撮影等は固くお断りいたします。

　＊＊＊関連セミナー＊＊＊　★Web配信セミナー★『Transformerニューラルネット産業現場応用の研究動向』（2024年10月17日（木））
　＊＊＊関連セミナー＊＊＊　★Web配信セミナー★『時系列データからの制御対象モデル構築法』（2024年10月31日（木））

　

　蜷川忠三（にながわちゅうぞう）　氏　

　　　N研究所株式会社　代表取締役社長（博士（工学））　兼任　岐阜大学　工学部　電気電子情報工学科　客員教授

　1　はじめに
　　1.1　AI機械学習〜システム制御の分野へのニューラルネットなどAI機械学習の導入の状況
　　1.2　制御へのAI機械学習モデル応用〜時系列専用ニューラルネットや予測モデル最適制御や強化学習制御の現場導入
　　
　2　制御予測モデリング
　　2.1　ニューラルネットの基礎〜内部ベクトル表現，活性化関数，逆伝搬学習など基本を初歩から一通り説明
　　2.2　実例1：インバータ電力制御ステップ応答〜単純な4層ニューラルネットによりステップ応答予測モデルを作る簡単な実例

　3　ニューラルネット最適探索制御
　　3.1　最適探索アルゴリズムの基礎〜予測モデルを用いて将来にわたり最も評価関数を高くする探索制御の初歩
　　3.2　実例2：ビル空調電力料金最適制御〜料金単価が変動するとして一定期間の電気代を最小化する探索制御への応用例

　4　強化学習による転移学習制御
　　4.1　強化学習の基礎原理〜教師データが得られない場合に有効な強化学習の原理を初歩から説明
　　4.2　実例3：ビル空調電力Q-Learning制御〜消費電力と快適性をトライアンドエラーで学習しながら制御した実際例

　5　AI機械学習制御の実践手順
　　5.1　LSTMニューラルネットの基礎〜長い時系列から次ステップ出力を予測する専用ニューラルネットの紹介
　　5.2　実例4：設備の保全運転発生予知〜通常運転が積算していき急に保全運転が必要となる時系列予測の実施例

　6　AI機械学習制御の実践手順
　　6.1　初めてのAI学習制御の試行手順〜産業現場に初めて導入するチームを想定したプロジェクトの流れを紹介
　　6.2　機械学習ツールか自作学習ソフトか〜ツールで容易だが内部不明で，自作は原理理解と内部チェック可能
　　6.3　モデルのチューニングノウハウ〜ツール内部の観察法：ヒートマップ，活性化関数レンジ，学習打ち切り判断

　7　時系列データ収集ノウハウ〜
　　7.1　時系列データ収集システム構築〜時系列データ収集専用IoT通信システム「IEEE1888」の実装紹介
　　7.2　時系列データ収集モジュレーション法〜通常運用状態を維持しつつ小信号ステップ応答指令を埋め込む方法
　　7.3　時系列データ補正SMOTE法〜なかなか実測できない時系列パターンを人工的に増強する定番手法

　8　生成AIと時系列データ
　　8.1　生成AIの技術基盤Transformer〜ChatGPTの内部にある最先端時系列ニューラルネット紹介
　　8.2　Transformerの時系列制御への応用研究動向〜自然言語の時系列から産業監視制御の時系列へと応用研究
　　8.3　Transformerによる産業応用の研究例〜故障予知，気象予報，空調負荷予測への応用研究の紹介

　9　まとめ