. .
セミナー・イベントTOPへ戻る

・センサデータを分析し、目的とする現象を発見・抽出し、応用するための講座
・センシングに関するハード、ソフト、パターン認識、最新統計処理技術などを学び、製品やサービスの開発に応用しよう!

実世界センサデータ処理の基礎と行動認識・屋内位置推定への応用
〜 実世界データ処理の基礎、高度なセンサデータ処理と最新手法、
機械学習に基づくパターン認識 〜

■開催日時:2017年09月07日(木) 10:30 〜 17:30


■会場:日本テクノセンター研修室
    (東京都新宿区西新宿二丁目7-1 小田急第一生命ビル 22階)

■受講料:一般(1名) : 48,600円 (税込)
     同時複数申し込みの場合(1名) : 43,200円 (税込)

■主催:(株)日本テクノセンター


■受講対象者
・センサデータのパターン認識に興味のある開発者・研究者
・スマートフォンによる屋内位置測位に興味のある開発者・研究者
・加速度・ジャイロ・カメラ・深度(Kinect)センサを用いたジェスチャ・行動認識に興味の
ある開発者・研究者
・スマートフォンセンサを用いたアプリ開発に興味のある開発者
・センサ技術応用に興味のある開発者
・ヘルスケア・高齢者ケア応用に興味のある開発者

■予備知識
・特に必要としません

■修得知識
・基本的なセンサデータ処理・パターン認識の流れを理解する
・高度なセンサデータ処理技術からそれらの様々な応用範囲について理解する
・センサデータ取得のための様々なデバイスについて理解する

■講師の言葉
 近年、様々なセンサが安価に手に入るようになってきており、スマートフォンにも加速度
センサや気圧センサなど、様々なセンサが搭載され、それらがネットワークに繋がる時代に
なってきました。
 これらのセンサを用いることで、ヘルスケア、高齢者見守り、屋内ナビゲーション、新しい
スマートフォンゲーム、工場機械モニタリング、工場員作業分析・モニタリングなどの様々な
応用に繋がることが期待されます。しかし、ほとんどのセンサデータは単なる時系列の数値の
羅列であり、センサデータを分析して目的とする現象を発見・抽出する必要があります。
 本セミナーでは、安価なセンサデバイスやスマートフォンセンサといったセンシングハード
ウェアの紹介から、得られたセンサデータの処理・機械学習に基づくパターン認識技術の基礎に
関して紹介します。さらに、そのような基礎的技術を基にした屋内位置推定技術や行動・ジェスチャ
認識技術の基礎から最新研究の紹介、実データを扱う際の困難を克服するための高度なデータ
マイニング技術・ディープラーニング技術等の適用に関する取り組みの紹介を行います。
 本セミナーにより、センシングに関するハードウェアからソフトウェア、基礎的パターン認識
技術から最新の統計処理技術、さらにそれらの応用可能性までを学べます。


1.実世界センシング技術
  (1).センサ技術の進展と普及: ウェアラブルセンサ、スマートフォンセンサ、スマート
      ウォッチ、センサネット
  (2).実世界センサデータからのパターン認識: 行動認識技術と屋内位置測位技術
  (3).実世界センシングの応用例: 屋内ナビゲーション、独居高齢者見守り、ヘルスケア、
      スマートフォンゲーム、作業分析

2.実世界データ処理の基礎
  (1).さまざまなデータとその前処理: 時系列データ、画像、音声、深度データ(Kinect)
  (2).距離計算と近傍探索: DPマッチング、混合ガウスモデル(GMM)とKLダイバージェンス
  (3).クラスタリング: k-means法、x-means法、階層的クラスタリング
  (4).判別分析: SVM(サポートベクターマシン)、決定木、ランダムフォレスト
  (5).系列モデル: 隠れマルコフモデル(HMM)、条件付き確率場 (CRF)
  (6).回帰分析: 線形回帰、ロジスティック回帰、ランダムフォレスト回帰
  (7).予測

3.行動認識手法
  (1).身体に装着した加速度センサを用いたジェスチャ・行動認識
  (2).環境に設置したセンサやマイク、カメラ、深度センサ映像を用いた行動認識
  (3).スマートフォンセンサデータを用いた行動認識

4.屋内位置推定手法
  (1).Wi-Fi(無線LAN)電波・iBeaconを用いた屋内位置推定
  (2).慣性センサを用いた歩行者デッドレコニング
  (3).カメラ画像を用いた位置推定

5.最新の手法を用いた実世界データ処理
  (1).実運用・実データ処理の難しさ
  (2).センサデータのノイズ・ゆらぎ: パーティクルフィルタ、アンサンブル学習を用いた
      ロバストな推定
  (3).次元の呪い: 主成分分析(PCA)、スパースコーディングによる次元削減
  (4).異種センサデータ: マルチカーネル学習(MKL)による行動認識
  (5).トレーニングデータ収集コスト: 半教師あり学習、転移学習、適応技術(MAP適応、
      MLLR適応)、ノンパラメトリックベイズ
  (6).大量のデータを学習: ディープラーニング

6.実装にむけて
  (1).センサデバイス実装
  (2).スマートフォンセンサの利用
  (3).データマイニング・パターン認識ツール

7.おわりに

Copyright (C) 2017 NTS Inc. All right reserved.