重回帰モデルやARモデルなどの従来解析から、ディープラーニングやLSTMを用いた時系列モデリング、さらに強化学習による最適制御までを体系的に紹介します。さらに、限られた実機データの補完やデータ分布の偏り対策など、現場で直面する課題への実用的な対処法も網羅し、制御システム開発におけるAI活用の基礎・実務の勘所を習得できます！！
- 講師
-
Ｎ研究所株式会社 代表取締役 蜷川 忠三 先生
博士（工学），岐阜大学非常勤講師
- 日時
- 2026/6/19（金） 10:00〜16:00
- 会場
- ※本セミナーはWEB受講のみとなります。
- 受講料
-
（消費税率10%込）1名：49,500円 同一セミナー同一企業同時複数人数申込みの場合 1名：44,000円
- テキスト
- PDF資料（受講料に含む）
受講概要
- 受講形式
WEB受講のみ
※本セミナーは、Zoomシステムを利用したオンライン配信となります。
- 受講対象
・業務において「制御」や「AI学習」がキーワードとなる技術者や研究者の方全般
・設備･機器メーカー、インフラ･産業システムメーカー、土木･建築およびそれらの関連企業の方
・システム制御に関わる教育研究・開発設計・生産管理に携わる技術者の方
- 予備知識
特に必要ありません。
- 習得知識
１）IoT通信によるインターネット経由実機データ収集専用方式
２）システム制御対象のデジタルモデルを構築する原理、方法、実務の基礎
３）実機収集モデリング手法として、伝統的解析法から実機収集ニューラルネットワークまでの知識
４）実機収集データから構築するAI最適探索法、強化学習法によるモデリング方法の概観
５）現実の実機収集データから、サンプル数補強、データ分布偏りの補正など実用的な対処知識 など
- 講師の言葉
今後、IoTの常時データ収集により膨大な実機収集データのあふれる時代となるでしょう。その高度利用のためにデータサイエンスおよびAI学習手法によるデジタルモデリング技術が重要となってきます。
本セミナーでは、制御分野における実機収集データからAI学習によりデジタルモデルを構築する実務を紹介します。特に産業界の制御システム開発者が制御対称モデリングにAI学習理論を実践する手法について重点をおきます。
講師の30余年の経験に基づき，実際に現場から収集したデータを用いた実例を豊富に用いて解説します。
プログラム
1. 制御モデリング
（１）制御モデリングとは何か
（２）実機時系列データと
制御モデルの関係
（３）制御モデリングに
AI機械学習手法を用いる
2. 線形実機収集モデリング
（１）重回帰モデルの基礎
（２）自己回帰ARモデルの基礎
（３）実例１：基本的な
安定区間重回帰モデル
（４）実例２：基本的な
ステップ応答ARモデル
3. ディープラーニングAIモデリング
（１）ディープラーニングの基礎
（２）実機収集データからの
ディープラーニング基礎解説
（３）実例３：基本的なステップ
応答ARニューラルネットワーク
（４）実例４：ディープラーニング 突発事象予知モデル
4. LSTM AI モデリング
（１）LSTMニューラル
ネットワークの基礎
（２）LSTM実機収集モデル
（３）実例５：
電力卸市場LSTMモデル
（４）実例６：
設備突発事象予知LSTMモデル
5. 実機収集AIモデルによる最適制御
（１）最適探索制御の基礎
（２）状態爆発をさける
並列探索の工夫
（３）実例７：
電力料金最適探索制御
（４）実例８：
大規模探索の実用的打切り
6. 実機学習データ収集の現実
（１）実例９：時系列データから
ステップ応答抽出法
（２）実例１０：限られた収集
データからの補完増強法
（３）実例１１：シミュレータに
よる人工的な学習データ生成法
7. 実機収集AIモデリングの実作業
（１）IoTによる
実機収集データ収集方法
（２）実機収集
AI学習データのゾーン選別
（３）実機収集
AIモデリング自作ソフト
まとめ
まとめ
Q&A
略歴
米国University of Washington大学院正規卒業，
元三菱重工業（株）技監，元岐阜大学工学部電気電子工学科教授
現在コンサル会社N研究所（株）代表
専門
需要家側スマートグリッド，AI機械学習の産業応用
著作
和英専門書（単著）10冊，学術論文110編
所属学会
電気学会，人工知能学会
役職・活動状況
NEDO有識者，岐阜大学工学部非常勤講師