1．主催（一社）日本鉄鋼協会 学会部門 計測・制御・システム工学部会／生産技術部門 制御技術部会

2．日時

2021年6月9日（水）13:30～17:00

3．開催方式

ハイブリッド型（東京会場で参加、またはオンラインで参加）

4．会場

・東京会場: TKP新橋カンファレンスセンターホール15D
東京都千代田区内幸町1丁目3-1 幸ビルディング
・オンライン（Microsoft Teams）

5．プログラム

13:30-13:35

制御フォーラム座長　ご挨拶

13:35-14:35

ガウス過程回帰とデータ駆動最適化への応用
有泉　亮（名古屋大学）

複雑な関数への回帰を可能とするノンパラメトリックな回帰手法としてガウス過程回帰が知られており、近年ではその応用が様々な方面で検討されている。本講演では、ガウス過程回帰の基礎を説明し、その応用の一つとして応答曲面法あるいはベイズ最適化と呼ばれるデータ駆動最適化手法について、講演者の研究成果を交えて紹介する。

14:35-15:35

機械学習・深層学習の自動化技術
白川　真一（横浜国立大学）

深層学習の登場によって画像認識や自然言語処理の性能が飛躍的に向上し、これを契機に様々な分野において機械学習や深層学習への期待が高まっている。機械学習や深層学習の性能を高めるためには、ハイパーパラメータ調整やニューラルネットワークの構造設計が必要であり、多くの場合、専門的な知識や人手による試行錯誤が欠かせない。このプロセスを自動化し、機械学習や深層学習をより使いやすいものにしようとする試みに自動機械学習（AutoML）がある。本講演では、機械学習・深層学習の基本的な考え方や応用を概説した後、ハイパーパラメータ最適化やニューラルネットワークの構造最適化に関する研究を紹介する。

15:35-15:50

休憩

15:50-16:50

データ駆動型およびモデルベース型自己位置推定の融合
赤井　直紀（名古屋大学）

搬送ロボットの自動ナビゲーションを実現するためには、ロボット位置を正確に知ること、すなわち自己位置推定技術が不可欠である。これまで、自己位置推定の多くはモデルを構築することで実現されてきたが、深層学習の登場に伴い、全くモデル化を要さないデータ駆動型の方法なども表れてきた。しかしこれらの方法には、ブラックボックス性や不安定さといった課題が存在する。本講演では、これらの問題を克服しながら、データ駆動型自己位置推定を「うまく活用」し、モデルベース型自己位置推定の性能向上を目指した講演者の研究を紹介する。

16:50-17:00

総合討論・クロージング

6．参加費

今回に限り、会員、非会員とも無料

7．参加申込

シンポジウムへ参加される方は、事前にE-mailで下記を明記の上、申込先へお申込み下さい。
氏名・会員番号（非会員の方は不要）・勤務先・所属・住所・電話番号・E-mail・希望参加方法（東京会場orオンライン）
※第164回制御技術部会大会に事業所単位で申し込まれた方は、こちらへは申込不要です。
※なお、東京会場の許容人数の制約により、ご希望に添えない場合があります。

8．申込期限（参加希望方法によって異なります）

東京会場　2021年4月23日（金）
オンライン　2021年4月30日（金）