BEGIN:VCALENDAR VERSION:2.0 PRODID:-//https://techplay.jp//JP CALSCALE:GREGORIAN METHOD:PUBLISH X-WR-CALDESC:【第25回AIセミナー】 「人工知能の数理」 X-WR-CALNAME:【第25回AIセミナー】 「人工知能の数理」 X-WR-TIMEZONE:Asia/Tokyo BEGIN:VTIMEZONE TZID:Asia/Tokyo BEGIN:STANDARD DTSTART:19700101T000000 TZOFFSETFROM:+0900 TZOFFSETTO:+0900 TZNAME:JST END:STANDARD END:VTIMEZONE BEGIN:VEVENT UID:683291@techplay.jp SUMMARY:【第25回AIセミナー】 「人工知能の数理」 DTSTART;TZID=Asia/Tokyo:20180730T160000 DTEND;TZID=Asia/Tokyo:20180730T180000 DTSTAMP:20260420T000922Z CREATED:20180704T020430Z DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/68329 1?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\n【第25回AIセ ミナー】 「人工知能の数理」\n\n産業技術総合研究所 人工知能研究センターでは、人工知能研究に関する情 報交換を目的として、原則として月に一度、外部の方 やセンター内研究者を講師とする人工知能セミナーを 開催しています。\n\n2018年7月は「人工知能の数理」を 開催します。\n\n基本的にどなたでも無料でご参加いた だけますが、事前申込が必要です。人工知能に興味の ある方は奮ってご参加ください。多くの方々にご参加 いただき活発な議論が行われることを期待しています 。\n\n要旨\n\n人工知能技術の発展にともない、その原 理解明・改良に向けた様々な数理研究も日々発展して います。数理は実用的に使われているモデル・アルゴ リズムに性能保証を与え、適用できる問題の範囲を客 観的に把握させてくれます。さらには、より使いやす く洗練された手法の開発の基盤となるものです。近年 の人工知能技術の背後にはどのような数理があるので しょうか。今回のセミナーでは、深層学習の基盤とな っているニューラルネットワーク、機械学習の様々な 場面で応用されているベイズ推論の数理について、2名 の講師に各々の専門分野の視点から最新の成果も含め てご講演いただきます。\n\n\n\n基本情報\n\n\n名称：【 第25回AIセミナー】 「人工知能の数理」\n日時：2018年7 月30日(月) 16:00-18:00\n受付時間：15:20 - 18:00　※ 受付時 間外に来られた場合には対応できないことがございま す。\n場所：〒135-0064 東京都江東区青海二丁目5番10号 テレコムセンタービル東棟14階\nAsia startup office MONO\nURL ：https://mono.jpn.com/telecom-center-access/\n定員：200名\n参加 費用：無料\n主催：産業技術総合研究所人工知能研究 センター\n連絡先：人工知能セミナー窓口\n本セミナー は、国立研究開発法人新エネルギー産業技術総合開発 機構（NEDO）による委託事業「次世代人工知能・ロボッ ト中核技術開発（次世代人工知能分野）」による活動 となります。\n\n\n注意事項\n\n\n他の方に参加の機会を お譲りするためにも、参加ができないと分かった場合 は早めのキャンセルをお願いします。\n産総研は、お 送りいただいた情報をセミナー運営以外の目的には使 用しません。\n懇親会の予定はありません。\n\n\n\n\nプ ログラム\n\n\n\n\n\n16:00-17:00\n\n \n 「深層ニューラルネ ットワークの数理: 平均場理論の視点」\n唐木田亮　研 究員\n（産業技術総合研究所人工知能研究センター機 械学習研究チーム）\n 概要： \n平均場理論はニューラ ルネットワークの古典的な解析手法の一つであるが、 その適用範囲はこれまで限定的だった。近年、Google Bra inらによって深層学習の基本となっているBackpropagation アルゴリズムに平均場を適用する数理的な枠組みが提 案され、ResNetやCNNを含む様々な深層モデルの挙動を定 量的に説明することに成功している。本講演では、 深 層学習における平均場の基礎と最前線を紹介しながら 、実用に対する理論からの示唆を議論する。特に、深 い層数のモデルの訓練を容易にする初期値の選択、最 急勾配アルゴリズムの発散を防ぐ学習率の選択につい て議論する。\n\n\n 略歴： \n2012年3月 東京大学 理学部 物理学科 卒業。\n2017年3月 東京大学大学院 新領域創成 科学研究科 複雑理工学専攻博士課程修了 博士(科学)。 \n2017年4月 産業技術総合研究所　研究員。\n\n\n\n\n\n\n\n1 7:00-18:00\n\n 「ベイズ事後分布の相転移について」\n渡 辺澄夫　教授\n（東京工業大学 情報理工学院\n数理・ 計算科学系 ）\n 概要：\nデータが与えられたという条 件下において推測する対象の分布を構成したものを事 後分布と呼ぶ。事後分布はハイパーパラメータやデー タの数などの変化に応じて、その形を急激に変えるこ とがあり、その変化点のことを相転移点という。神経 回路網や混合正規分布のように階層的な構造を持つ学 習モデルにおいては、相転移点の両側で推測された結 果が大きく異なるため、相転移の仕組みを知ることは 理論だけでなく実務においても大切である。この講演 では相転移を調べる際に役立つ数学的な方法について 説明し、いくつかの具体的な例を紹介する。　　 \n\n\n \n\n 略歴： \n1982年3月 東京大学 理学部 物理学科 卒業 。\n1987年3月 京都大学大学院 理学研究科 数理解析専攻 博士課程 単位取得満期退学。 \n2001年12月 東京工業大 学 教授。 \n\n\n\n\n\n\n\n\n LOCATION:Asia startup office MONO 〒135-0064 東京都江東区青海二 丁目5番10号 テレコムセンタービル東棟14階 URL:https://techplay.jp/event/683291?utm_medium=referral&utm_source=ics&utm _campaign=ics END:VEVENT END:VCALENDAR