大阪大学　数理・データ科学教育研究センター
Center for Mathematical Modeling and Data Science,Osaka University

「深層学習の広がり」(本セミナーは，中止になりました)

山形　頼之 (産業技術総合研究所サイバーフィジカルセキュリティ研究センター　主任研究員), 岸田　昌子 (国立情報学研究所情報学プリンシプル研究系　准教授)

1. ホーム
2. セミナー・集中講義
3. セミナー
4. 「深層学習の広がり」(本セミナーは，中止になりました)

（3/6中止） 大阪大学 数理・データ科学セミナー　数理モデルセミナーシリーズ 第26回

「深層学習の広がり」(本セミナーは，中止になりました)

山形　頼之 (産業技術総合研究所サイバーフィジカルセキュリティ研究センター　主任研究員), 岸田　昌子 (国立情報学研究所情報学プリンシプル研究系　准教授)

本セミナーは，新型コロナウィルスの影響による、大学の行事開催の対応方針に則り，残念ですが中止することといたしました。

〇15:00-16:00
講演者 ：山形　頼之 (産業技術総合研究所サイバーフィジカルセキュリティ研究センター　主任研究員)
タイトル: Falsification of Cyber-Physical Systems Using Deep Reinforcement Learning
概要：Cyber-Physical System (CPS) is a system which consists of software components and physical components. Traditional development techniques focus either software or physical components alone, and are difficult to apply systems combined both parts. Robustness guided falsification was proposed as a black-box testing technique to find faulty behaviors of CPS efficiently. In this talk, we apply (deep) reinforcement learning to robustness guided falsification and evaluate its efficiency by three case studies.
〇16：10－17：10
講演者 ：岸田　昌子 (国立情報学研究所情報学プリンシプル研究系　准教授)
タイトル: Structured Deep Neural Networks for Optimization
概要： This talk discusses how to use a neural network to solve some optimization problems. Unlike the standard deep-learning literature that utilizes the universal approximation theorem, the key idea here is to restrict the structure of the neural network from the beginning. We discuss in detail how to construct the structured neural network and how to use it to solving an average consensus problem; the average consensus problem is a control problem of bringing the states of individual agents of a network to the average of their initial states through local interactions. Especially, a good protocol that realizes a fast consensus is of interest in applications such as in space rendezvous, birds flocking, and sensor fusion. The simulation results show that our approach reduces the consensus error significantly compared to a baseline approach. Approaches to output feedback control problems that utilize the structured neural networks are also presented.