|
【講演趣旨】
異常検知は、機器の故障検知、予防保全、医療における検診・検査などに不可欠な技術です。その中でも、専門的な異常検知をAI（機械学習）で自動化・高度化することが注目されています。特に、正常サンプルに対して異常サンプルが極めて少ない場合、機械学習による異常検知は大きな力を発揮します。このセミナーでは、多くの需要がある機械学習アルゴリズムを用いた異常検知について、背後にある基本的な考え方と様々なアルゴリズムを理解し、PyCaret(※)を使った簡単なプログラミングによって異常検知を実践し、人工知能による異常検知の全体像をつかむことを目指します。
※オープンソースのPythonライブラリ。わずかなコードで高度な機械学習を実現できます。本セミナーは、Google
Colabを使用して、Pythonプログラミングの経験がない方でも、PyCaretを利用した異常検知プログラムを動かすハンズオンセッションを行います。
【講演項目】
１．イントロダクション
２．実習環境の準備
2.1 GoogleColabとPyCaretインストール
３．異常検知概論
3.1 異常検知の歴史
3.2 機械学習による異常検知のフレームワーク
3.3 線形・非線形処理と異常検知
４．異常検知のための基本的な特徴抽出法
4.1 特徴量と次元，多様体仮説
4.2 距離
4.3 基底分解 （主成分分析，フーリエ分析，ケプストラム分析，
ウェーブレット，非負行列因子分解, etc.）
4.4 系列データの特徴抽出 (AR, MA, ARMA, ARCH, GARCH, HMM)
4.5 画像データの特徴抽出 (CHLAC, CLAFIC, etc)
５．異常検知の統計的理解
5.1 分布 （正規分布，混合分布，カイ二乗検定）
5.2 異常度 （対数尤度，情報量，ネイマン・ピアソン決定則）
5.3 性能指数 （正解率，適合率，再現率，F値，ROC，AUC）
６．機械学習による異常検知(1)
〜線形処理によるアルゴリズムとプログラム
6.1 k近傍法(KNN)
6.2 局所外れ値因子法
6.3 ABOD: Angle Based Outlier Detection
6.4 ヒストグラムベース異常検知
6.5 PCA: Principal Component Analysis
6.6 部分空間法ベース異常検知
７．機械学習による異常検知(2)
〜非線形処理によるアルゴリズムとプログラム
7.1 One class SVM
7.2 オートエンコーダによる異常検知
7.3 VAE による異常検知
7.4 isolation forestによる異常検知
7.5 LSTM による異常検知
7.6 Deep learning（CNN）による異常検知
7.7 リザバーコンピューティングによる異常検知
7.8 ano-GAN による異常検知
7.9 その他最新の異常検知(Attention, Transformer)
８．応用事例
8.1 異常検知システム設計ワークフロー
8.2 応用事例
９．まとめ
【質疑応答】
|
