BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//https://techplay.jp//JP
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALDESC:非線形時系列データ（波形データ）予測の基
 礎講座：関数データ解析アプローチと多出力ガウス過
 程回帰アプローチ
X-WR-CALNAME:非線形時系列データ（波形データ）予測の基
 礎講座：関数データ解析アプローチと多出力ガウス過
 程回帰アプローチ
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:990568@techplay.jp
SUMMARY:非線形時系列データ（波形データ）予測の基礎講
 座：関数データ解析アプローチと多出力ガウス過程回
 帰アプローチ
DTSTART;TZID=Asia/Tokyo:20260107T120000
DTEND;TZID=Asia/Tokyo:20260107T130000
DTSTAMP:20260429T093832Z
CREATED:20251226T020015Z
DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/99056
 8?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\n株式会社エ
 イゾスは、2026年1月7日（水）にオンラインウェビナー
 を開催いたします。\n本講座では、これまでお客様か
 らご質問が多かった「時系列データ（波形データ）の
 分析・予測」について、基礎から一歩踏み込んで解説
 します。\n時系列データは本質的に連続値を取るデー
 タであり、観測点ごとに分割して個別に予測すると、
 次のような課題が生じることが多いです。\n- 本来は滑
 らかなはずの波形が、予測結果ではギザギザした形状
 になってしまう- 観測点が多いほど問題が大規模化し
 、計算資源の制約からモデル構築が難しくなる- 波形
 は高次元になりやすく、十分な学習データを確保しに
 くい（過学習しやすい）- 観測ノイズや外れ値の影響
 を受け、予測が不安定になりやすい- 観測点間の相関
 ・整合性が保てず、点ごとの独立学習では空間的に不
 自然な結果になりやすい\n本講座では、これらの課題
 に対する解決策として 関数データ解析（Functional Data An
 alysis: FDA） のアプローチを取り上げます。波形を「観
 測点の集合」としてではなく「関数」として表現し、
 基底関数展開によって低次元化したうえで学習・予測
 する設計の全体像をご紹介します。具体的には、代表
 的な基底（フーリエ級数、ルジャンドル多項式） と、
 データから基底を学習する データ駆動基底（関数主成
 分分析：FPCA） を用いた場合の違いを比較し、どのよ
 うな結果・特徴が得られるかを示します。離散データ
 に対する主成分分析（PCA）に馴染みのある方を想定し
 つつ、関数データに対するFPCAについても基礎を解説し
 ます。\nさらに、関数データ解析とは別のアプローチ
 として、時系列データ（波形データ）を 多出力問題 
 として扱う 多出力ガウス過程回帰（Multi-Output Gaussian Pr
 ocess Regression） を概説します。入力が多次元で出力が1
 次元のガウス過程回帰は広く利用されていますが、波
 形のように「多数の出力点を同時に予測する」問題で
 は、出力が1次元のガウス過程回帰を適用しにくい場面
 があります。多出力ガウス過程回帰を用いることで、
 選択したカーネル構造の範囲内で出力間の相関をモデ
 ル化しながら予測モデルを構築できます。\n本講座で
 は、非線形な時系列データに対して、上記の方法を用
 いてサロゲートモデル（エミュレータ）を構築し、予
 測までの流れを示します。題材として、津波シミュレ
 ーションの波形データを用います。\n【本講座で学べ
 ること】- 時系列データ予測を「多出力問題」として
 捉える視点- 時系列データの予測で生じやすい代表的
 な課題- 時系列データを関数として扱う考え方と、関
 数表現の基本手順- フーリエ級数等とFPCA基底の違い- 
 「波形の係数化 --> 機械学習モデルの実装 --> 波形の再
 構成」という設計イメージ- Multi-Sigma®を用いたモデル
 構築の手続き（基本フロー）- 多出力ガウス過程回帰
 の入門的な理解\n本ウェビナーは2025年7月30日に実施し
 たウェビナーの詳細版となります。7月30日のウェビナ
 ーと重複する部分がありますので、ご了承願います。\
 n※同業他社様などのご参加につきましてはお断りする
 ことがございます。ご理解のほどお願い申し上げます
 。
LOCATION:
URL:https://techplay.jp/event/990568?utm_medium=referral&utm_source=ics&utm
 _campaign=ics
END:VEVENT
END:VCALENDAR
