※本セミナーは開催日が8月30日から変更になりました
1 機械学習と深層学習の概要と課題
1.1 人工知能と機械学習 【補足】生成系AIと説明可能AI：XAI
1.2 機械学習の種類と方法
1.3 深層学習の概要と問題点
2 進化計算法の原理と方法
2.1 進化計算法の原理と進化戦略（ES）・PSOなど
2.2 遺伝的アルゴリズム（GA）と実数値GA・CMA-ESなど
2.3 遺伝的プログラミング（GP）とCGP・GMAなど
2.4 種々の応用手法と最近の話題
3 進化的画像処理（1）数値パラメータの最適化
3.1 原理と実装方法
3.2 応用例1：2D図形の検出と位置決定
3.3 応用例2：3D物体の3次元姿勢推定
4 進化的画像処理（2）組合せ・構造の最適化
4.1 原理と実装方法
4.2 応用例1：線形リスト構造
4.3 応用例2：木構造（ACTIT・CRAFTIT・GMA）
4.4 応用例3：ネットワーク構造（GIN）
4.5 応用例4：セル型回路構造（CRFCN）
5 進化的画像認識（1）前処理・特徴量の最適化
5.1 原理と実装方法
5.2 応用例1：特徴量の最適化（ACSYS）
5.3 応用例2：前処理の最適化（SIFTER）
6 進化的画像認識（2）処理構造の最適化
6.1 原理と実装方法
6.2 応用例1：認識処理全体の全自動設計（GIN-IC）
6.3 応用例2：進化的条件判断ネットワーク（EDEN）
6.4 応用例3：深層回路の線形回路化（DNN2EME）
6.5 応用例4：判断根拠を説明できる深層回路（EGCM）
7 まとめ
7.1 まとめと今後の展望
7.2 業務への機械学習導入上の注意点
7.3 何でも相談室・フリーディスカッション
付録1：代表的な機械学習法
付録2：現状の画像認識の抱える課題と対策
付録3：画像認識システムの選定・導入上の問題点
付録4：ChatGPTなどの生成系AI
付録5：長尾研・YNU人工知能研究拠点のご紹介