「深層学習」の検索結果（242件）

NTT コミュニケーション科学基礎研究所 オープンハウス2018

ム / プログラム / 研究展示 データと学習の科学 研究展示 5 深層学習をモバイル向けに小さくします ～量子化による深層学習のモデル圧縮技術～ どんな研究 画像や音声などの認識に深層学習が盛んに用い

https://www.rd.ntt/cs/event/openhouse/2018/exhibition/5/

poster.pdf

【関連文献】 【 連 絡 先 】 どんな研究 どこが凄い 目指す未来 高速かつ高精度な深層学習を実現します ～時系列の勾配方向に着目した高効率な学習アルゴリズム～ 深層学習は音声や画像認識

https://www.rd.ntt/cs/event/openhouse/2016/exhibition/7/poster.pdf

スライド 1

efficient deep learning for mobile devices 05 深層学習をモバイル向けに小さくします ～量子化による深層学習のモデル圧縮技術～ 画像や音声などの認識に深層学習が 盛んに用い

https://www.rd.ntt/cs/event/openhouse/2018/exhibition/5/poster5.pdf

深層学習の推論処理を大幅に効率化する「ひかりディープラーニング®推論基盤」―― 企業活動での競争力の源泉に資するR&D技術を｜NTT R&D Website

深層学習の推論処理を大幅に効率化する「ひかりディープラーニング®推論基盤」―― 企業活動での競争力の源泉に資するR&D技術を｜NTT R&D Website NTT R&D Website リサ

https://www.rd.ntt/research/JN20191114_h.html

金井関利｜NTTソフトウェアイノベーションセンタ｜NTT R&D Website

Sekitoshi Kanai 分散処理基盤技術プロジェクト 研究員 （2018年11月取材時点） より速く 簡単に そして安全に AI深層学習の今。 今話題のAI（人工知能）を活用した取り組みである「corevo

https://www.rd.ntt/cct/team_researchers/researcher/24.html

コンピュータの耳を創る｜NTTコミュニケーション科学基礎研究所｜NTT R&D Website

、個々の要素技術を益々高度化していかなければなりません。 深層学習に基づく音声認識 近年、深層学習の登場により、音声認識の精度は飛躍的に向上しました。しかし、現在の技術をもってしても、例えば、人と人のカジ

https://www.rd.ntt/cs/team_project/media/signal/research_media05.html

NTT コミュニケーション科学基礎研究所 オープンハウス2017

ム / プログラム / 講演 研究講演 6/2（金）11:00 - 11:40 あなた専用のお手本映像で上達支援 ～深層学習によるメディア生成の可能性～ メディア情報研究部　金子 卓弘 概要 近年の深層学習

https://www.rd.ntt/cs/event/openhouse/2017/talk/research2/

NTT コミュニケーション科学基礎研究所 オープンハウス2019

研究展示 データと学習の科学 04 深層学習のボトルネック解消で精度を向上 ～深層学習における、より高い表現能力を持つ出力関数～ どんな研究 深層学習による画像認識や機械翻訳において予測精度を改良

https://www.rd.ntt/cs/event/openhouse/2019/exhibition4/

スライド 1

学習のボトルネック解消で精度を向上 Larger capacity output function for deep learning ～深層学習における、より高い表現能力を持つ出力関数～ 深層学習

https://www.rd.ntt/cs/event/openhouse/2019/download/04_a.pdf

深層学習を浅くする技術に関する論文｜NTTソフトウェアイノベーションセンタ｜NTT R&D Website

深層学習を浅くする技術に関する論文｜NTTソフトウェアイノベーションセンタ｜NTT R&D Website NTT R&D Website NTTソフトウェアイノベーションセンタ 研究紹介資料

https://www.rd.ntt/cct/research-results/paper/2019/295.html

Creativity and Technology ――designing for an unknown future｜NTT R&D Website

が会話のパートナーになる日 ――大規模深層学習で拓く雑談対話システムの新境地 最新の深層学習モデルを利用した高性能な雑談対話システムについて、NTTが構築したシステムの詳細や現状の到達点・課題を紹介

https://www.rd.ntt/research/JN202107_14436.html

深層学習技術の価値化に向けた研究開発とそのビジネス応用｜NTT R&D WebSite

深層学習技術の価値化に向けた研究開発とそのビジネス応用｜NTT R&D WebSite NTT R&D WebSite リサーチ&アクティビティ 深層学習技術の価値化に向けた研究開発とそのビジ

https://www.rd.ntt/research/JN20181227_h.html

c_15.pdf

からこれら情報を高い精度で推定する手法は既にいくつか知られていますが、音声 のみしか利用できない場合、 新の深層学習技術をもってしても未だ解決が困難な問題です。 高精度な年齢推定を行うためには各年代の話者の膨大

https://www.rd.ntt/cs/event/openhouse/2020/download/c_15.pdf

データが分散蓄積される時代にも機械学習モデルを最適化。「非同期分散型の深層学習技術」の研究｜NTT R&D Website

データが分散蓄積される時代にも機械学習モデルを最適化。「非同期分散型の深層学習技術」の研究｜NTT R&D Website NTT R&D Website リサーチ&アクティビティ データが分散

https://www.rd.ntt/research/RDNTT20210501.html

機械の心の物理学 | NTT R&D Website

深層学習モデルの性能をより深く理解することで安全で公平な深層学習モデルの活用を促進します。 技術課題 生成AIの性能が向上し、適用範囲が広がっています。しかし、その性能の詳しい理解はまだ不十分で、安心

https://www.rd.ntt/ai_tech/next_generation_ai/g-2.html

セキュア連合学習 | NTT R&D Website

において、各端末で分散保持されるデータを端末から出さずに利活用する連合学習技術の研究開発に取り組んでいます。本技術により、大規模なデータをセキュアかつ高速にAIモデル、特に深層学習への活用が可能になると考え

https://www.rd.ntt/research/SI0029.html

H1-H4

に従事。2012年日本機械学会畠山賞受賞。同年ICPR2012 Best Student Paper Award受賞。電子情報通信学会会員。 深層学習によるメディア生成の今後の展望 上記のアプローチの鍵

https://www.rd.ntt/cs/event/openhouse/2017/talk/research2/talk_kaneko.pdf

F12_leaf_j.pdf

クを拡散モデルに解かせることで、モデルの「想像 ⼒」を評価 この研究がもたらす未来 拡散モデルの性能を理解しその振る舞いを予測可能にすることで、より安全・安⼼な深層学習モデルの社会実装を可能

https://www.rd.ntt/forum/2023/doc/F12_leaf_j.pdf

機械が会話のパートナーになる日 ――大規模深層学習で拓く雑談対話システムの新境地｜NTT R&D Website

機械が会話のパートナーになる日 ――大規模深層学習で拓く雑談対話システムの新境地｜NTT R&D Website NTT R&D Website リサーチ&アクティビティ 機械が会話のパートナー

https://www.rd.ntt/research/JN202107_14467.html

Microsoft PowerPoint - A_パネル一覧0501.pptx

ニューラルネットワーク(RNN) が使用されています。RNNは時系列 データの高精度な解析に適した深層 学習技術の一つです。しかし RNN には学習が困難であるという問題が あります。本研究では失敗しない RNNの学習法を提案

https://www.rd.ntt/cs/event/openhouse/2017/exhibition/5/poster5.pdf

NTT コミュニケーション科学基礎研究所 オープンハウス2016

ム / プログラム / 研究展示 データと学習の科学 高速かつ高精度な深層学習を実現します ～時系列の勾配方向に着目した高効率な学習アルゴリズム～ 概要 深層学習は画像/音声認識・AI分野で人間を超える精度

https://www.rd.ntt/cs/event/openhouse/2016/exhibition/7/

スライド 1

リ FFNN:フィードフォワードニューラルネットワーク sigmoid: シグモイド関数 AI 本展示で紹介するAI（深層学習モデ ル）は、ある問題に対する解の候補 （仮説）が二つ与えられたときに、 より良い

https://www.rd.ntt/cs/event/openhouse/2018/exhibition/17/poster17.pdf

c_20.pdf

関連文献 連 絡 先 どんな研究 どこが凄い めざす未来 オープンハウス 2020 20 現在の深層学習では、1か所に集約したデータを使ってモデルを学習することが一般的です。しかし、 データ量

https://www.rd.ntt/cs/event/openhouse/2020/download/c_20.pdf

NTT コミュニケーション科学基礎研究所 オープンハウス2015

ム / プログラム / 研究展示 メディアの科学 コンピューターが音を読み解く ～深層学習を活かした実環境下音声認識・音響処理～ 概要 近年、スマホでの音声検索をはじめ、音声インタフェースが広く利用

https://www.rd.ntt/cs/event/openhouse/2015/exhibition/20/

人に迫り、人を究め、人に寄り添う─デジタルとナチュラルの共生・共創に向けて｜NTT R&D WebSite

ましいものがあります。もともとコンピュータは人間が処理できない大量のデータを一度に処理し、人間が苦手な処理を人間に代わって高速に処理するのが得意です。しかし特に深層学習の発展のおかげで、本来人間が得意で、なかなかコン

https://www.rd.ntt/research/JN20190906_h.html

18OH_poster_0508

から来て、どこへ行くのか？　人流データ同化と学習型誘導 ・都市の今を知る　環境センシングと異種データ融合分析によるイベント解析 ・深層学習をモバイル向けに小さくします　量子化による深層学習のモデル圧縮技術

https://www.rd.ntt/cs/event/openhouse/2018/download/2018oh_poster.pdf

NTT コミュニケーション科学基礎研究所 オープンハウス2018

ム / プログラム / 研究展示 メディアの科学 研究展示 17 二択問題にして解くことでAIは賢くなる ～深層学習による仮説比較と音声認識結果選択への応用～ どんな研究 本展示で紹介するAI（深層学習モデ

https://www.rd.ntt/cs/event/openhouse/2018/exhibition/17/

少数の学習データで高い精度を達成する「メタ学習」 | NTT R&D Website

、その中で2018年ごろからメタ学習の研究に取り組んでいます。メタ学習の概念は以前からあったのですが、2018年ごろになって深層学習の研究が著しく発展してきたこと、コンピュータの性能が向上したこと、各種

https://www.rd.ntt/research/JN202404_25752.html

あなたの声を「すぐそば」品質で聴くAI ――遠くからでも近接マイク品質で混ざった音を聞き分ける革新的音響処理技術 | NTT R&D Website

かつ高速に実現する「統一モデル」、少数マイクで高品質な処理が可能な「スイッチ機構」、さらに、深層学習に基づく音声強調（SpeakerBeamなど）との連携について述べます。 中谷　智広（なかたに　ともひろ

https://www.rd.ntt/research/JN202208_19141.html

NTT コミュニケーション科学基礎研究所 オープンハウス2018 プログラム

によるイベント解析～ 深層学習をモバイル向けに小さくします ～量子化による深層学習のモデル圧縮技術～ 光で機械学習をスピードアップ ～光リザーバーコンピューティングによる高速機械学習～ ネットワーク構造

https://www.rd.ntt/cs/event/openhouse/2018/program.html

スライド 1

します。深層学習に基づく、任意の会話状況を表現でき るモデルであり、適切な学習データがあれば、あらゆる実会話データに対応できることが期待されます。 人と人との会話から「いつ、誰が、何を話したか」という情報を自動

https://www.rd.ntt/cs/event/openhouse/2019/download/17_c.pdf

光学・物理原理に基づく深層画像生成｜NTTコミュニケーション科学基礎研究所｜NTT R&D Website

の目でも見分けがつかないほどリアルな画像を生み出せるようになりつつあります。こうした発展は、深層学習の進展によってもたらされたものですが、一般的な深層学習モデルはブラックボックス化されたニュ

https://www.rd.ntt/cs/team_project/media/recognition/research_media21.html

NTT コミュニケーション科学基礎研究所 オープンハウス2016

ム / プログラム / 研究展示 メディアの科学 飾り文字でも読み取れる ～深層学習と系列デコーディングによる文字列認識～ 概要 スマートフォンで撮影した街中の風景など、実環境の情景中に存在する文字を読み

https://www.rd.ntt/cs/event/openhouse/2016/exhibition/16/

聞きたい人の声に耳を傾けるAI ――深層学習に基づく音声の選択的聴取技術SpeakerBeam｜NTT R&D Website

聞きたい人の声に耳を傾けるAI ――深層学習に基づく音声の選択的聴取技術SpeakerBeam｜NTT R&D Website NTT R&D Website リサーチ&アクティビティ 聞きたい人

https://www.rd.ntt/research/JN202107_14481.html

迫り来る大規模データ時代に必要な「高速かつ正確なデータ分析基盤」 | NTT R&D Website

トな深層学習（ディープラーニング：コンピュータが自動で大量のデータを解析し、データの特徴を抽出する技術）はもしかしたら5〜10年後には別の技術に置き換えられているかもしれません。その場合はそのときに求め

https://www.rd.ntt/research/JN202410_29841.html

変化する現在（いま）に適応し、持続する未来（あす）を切り拓くコミュニケーション科学 ――人・社会・環境との調和と共生をもたらす技術の創出 | NTT R&D Website

のいくつかを紹介します。 NTTコミュニケーション科学基礎研究所の研究領域 人の能力に迫り凌駕する 深層学習技術の登場により、「見る」「聞く」「話す」などのメディア処理に関するAI（人工知能）技術は格段

https://www.rd.ntt/research/JN202208_19139.html

画像や音を見聞きするだけで賢くなるAI─クロスモーダル情報処理の展開｜NTT R&D WebSite

者は深層学習の技術です。例えば、さまざまな物体を撮影した画像と「りんご」「みかん」といった物体の名前(クラスラベル)とを組(ペア)にしたデータを大量に用意して深層学習を行うと、画像中の物体が何であるかを高い

https://www.rd.ntt/research/JN20190910_h.html

NTT コミュニケーション科学基礎研究所 オープンハウス2016

ム / プログラム / 研究展示 データと学習の科学 どうやって来た？どこへ行く？ ～深層学習を利用した移動軌跡分析・予測技術～ 概要 スマートフォン等で収集可能な移動軌跡は、人やモノの動きを理解する上で重要

https://www.rd.ntt/cs/event/openhouse/2016/exhibition/5/

次世代AI | NTT R&D Website

ステレーション、AIの基礎研究など次世代のAIに向けた研究開発について紹介します。 機械の心の物理学 From R&Dフォーラム 機械の心の物理学 深層学習モデルの性能をより深く理解することで安全で公平な深層学習モデ

https://www.rd.ntt/ai_tech/next_generation_ai/

NTT コミュニケーション科学基礎研究所 オープンハウス2017

ム / プログラム / 研究展示 データと学習の科学 研究展示 5 時間変化するデータのための安定した深層学習 ～Gated recurrent unitにおける学習安定化技術～ 概要 音声認識や機械翻訳

https://www.rd.ntt/cs/event/openhouse/2017/exhibition/5/

NTT コミュニケーション科学基礎研究所 オープンハウス2017

ム / プログラム / 研究展示 メディアの科学 研究展示 16 あなた専用のお手本映像で上達支援 ～深層学習によるメディア生成の可能性～ 概要 「したいことがあるけど、やり方が分からない…」そのような時

https://www.rd.ntt/cs/event/openhouse/2017/exhibition/16/

NTT コミュニケーション科学基礎研究所 オープンハウス2016 プログラム

へ行く？ ～深層学習を利用した移動軌跡分析・予測技術～ ２０２０のトラヒックホットスポットはどこ？ ～ユーザ行動に基づく将来イベントトラヒック予測技術～ 高速かつ高精度な深層学習を実現します ～時系列

https://www.rd.ntt/cs/event/openhouse/2016/program.html

リーフレット+

に学習する低ランク回帰技術：MOFM ●人はどこから来て、どこへ行くのか？ 人流データ同化と学習型誘導 ●都市の今を知る 環境センシングと異種データ融合分析によるイベント解析 ●深層学習をモバイル向け

https://www.rd.ntt/cs/event/openhouse/2018/download/2018oh_leaflet.pdf

NTT コミュニケーション科学基礎研究所 オープンハウス2020

を高い精度で推定する手法は既にいくつか知られていますが、音声のみしか利用できない場合、最新の深層学習技術をもってしても未だ解決が困難な問題です。 どこが凄い 高精度な年齢推定を行うためには各年代の話者

https://www.rd.ntt/cs/event/openhouse/2020/exhibition15/

NTT コミュニケーション科学基礎研究所 オープンハウス2017 プログラム

しました。 2017/8/30 研究講演「打てるバッターは何が違うのか？ ～潜在脳機能からみた技の神髄～」の講演アーカイブを公開いたしました。 2017/8/30 研究講演「あなた専用のお手本映像で上達支援 ～深層学習

https://www.rd.ntt/cs/event/openhouse/2017/program.html

2016_ポスター0325_4

へ行く？ 深層学習を利用した移動軌跡分析・予測技術 ・2020のトラヒックホットスポットはどこ？ ユーザ行動に基づく将来イベントトラヒック予測技術 ・高速かつ高精度な深層学習を実現します 時系列の勾配方向

https://www.rd.ntt/cs/event/openhouse/2016/download/oh2016_poster.pdf

NTT コミュニケーション科学基礎研究所 オープンハウス2019

研究展示 メディアの科学 17 いつ、誰が、何を話した？全部で何人いた？ ～何人の会話でも聞き分けられる深層学習モデル～ どんな研究 会話収録音から、「いつ、誰が、何を話したか」という情報を推定

https://www.rd.ntt/cs/event/openhouse/2019/exhibition17/

poster.pdf

-mail：liu.xinhao(at)lab.ntt.co.jp ～深層学習と系列デコーディングによる文字列認識～ [1] X. Liu, T. Kawanishi, X. Wu, K. Kashino

https://www.rd.ntt/cs/event/openhouse/2016/exhibition/16/poster.pdf

poster.pdf

.yuki(at)lab.ntt.co.jp ～深層学習を利用した移動軌跡分析・予測技術～ [1] Y. Endo, H. Toda, K. Nishida, A. Kawanobe, “Deep

https://www.rd.ntt/cs/event/openhouse/2016/exhibition/5/poster.pdf

NTT コミュニケーション科学基礎研究所 オープンハウス2020

ィアの科学 20 データを端末から漏洩させない分散深層学習 分散NW上で機械学習をするための非同期合意形成技術 どんな研究 現在の深層学習では、1か所に集約したデータを使ってモデルを学習することが一般的

https://www.rd.ntt/cs/event/openhouse/2020/exhibition20/

Marc Delcroix | NTT R&D Website

研究員情報へ コミュニケーション科学基礎研究所本研究所/センタ/部門の他研究員情報へ 会話音声認識のための音声信号処理の研究 信号処理技術と深層学習を活用して、自然な会話を理解できるための新しい技術

https://www.rd.ntt/organization/researcher/special/s_033.html

一般化ドメイン適応｜NTTコミュニケーション科学基礎研究所｜NTT R&D Website

メディア認識研究グループ 一般化ドメイン適応 一般化ドメイン適応 [Japanese|English] どんな研究？ 深層学習には学習データとテストデータとで取得条件（ドメイン）にずれがある場合に精度

https://www.rd.ntt/cs/team_project/media/recognition/research_media16.html

データ分析 自動化技術『RakuDA』チーム｜NTTソフトウェアイノベーションセンタ｜NTT R&D Website

エンティストの試行錯誤を 自動化する機械学習フレームワーク『RakuDA』を開発。 ―SICにおける第二推進プロジェクトの研究領域について教えてください。 境：第二推進プロジェクトの研究領域は、深層学習や機械学習

https://www.rd.ntt/cct/team_researchers/team/29.html

超高次元データで未来を拓く「高速スパースモデリング技術」 | NTT R&D Website

出すことによって、この課題を部分的に解決しています。 スパースモデリング技術の他の活用例としては、深層学習が挙げられます。現在のAI（人工知能）の基盤技術ともいえる深層学習では、モデルのパラメータ数を増加

https://www.rd.ntt/research/JN202304_21676.html

スライド 1

に耳を傾けるコンピュータ ～深層学習に基づく音声の選択的聴取～ 事前に収録した聞きたい話者 の音声データ（数秒程度の事前 録音）から、その話者の声を表 す特徴量を抽出する 話者特徴量 抽出 ③ 聞き

https://www.rd.ntt/cs/event/openhouse/2018/exhibition/16/poster16.pdf

Microsoft PowerPoint - C_パネル一覧0501.pptx

します。 従来のフィードバックシステムは、 ルールベースのものが主で、ユーザ の多様な入力状態に対して対応する ことは困難でした。これに対し、本 研究では、深層学習をベースに新た な情報伝播方法・ネットワーク構造

https://www.rd.ntt/cs/event/openhouse/2017/exhibition/16/poster16.pdf

in0156.pdf

つ である深層学習にて構築しました。検出器 1 には既往手法※のモデルを用いています。この検出器 1 は撮 影画像中の大きな錆や十分な照度で写した錆を検出します。検出器 2 は画像中において錆と思わしき場所

https://www.rd.ntt/as/history/pdf/infra/in0156.pdf

2016OHリーフ表面0325

満足度最大化のための動的巡回スケジューリング技術 どうやって来た？どこへ行く？ 深層学習を利用した移動軌跡分析・予測技術 2020のトラヒックホットスポットはどこ？ ユーザ行動に基づく将来イベントトラ

https://www.rd.ntt/cs/event/openhouse/2016/download/oh2016_leaflet.pdf

oh2017_poster

深層学習によるメディア生成の可能性 金子　卓弘 あなた専用のお手本映像で上達支援 14：00～15：00 博報堂生活総合研究所 上席研究員 酒井　崇匡 あしたのまちの100の風景 招待講演 研究講演

https://www.rd.ntt/cs/event/openhouse/2017/download/oh2017_poster.pdf

ポスター2019_0402

ネ・もっと快適 深層強化学習による環境再現・最適制御技術 ・ 都市の人口分布変動から人の移動を再現 時間別エリア人口データからの移動傾向推定技術 ・ 深層学習のボトルネック解消で精度を向上 深層学習

https://www.rd.ntt/cs/event/openhouse/2019/download/poster2019.pdf

画像を用いた社会インフラ設備の錆検出技術｜NTTアクセスサービスシステム研究所

まで撮影時の構図や照度条件に制限を受けることのない高精度な錆検出を実現しました。図2における各検出器の詳細を説明します。検出器1～3および総合判定器は機械学習手法のひとつである深層学習にて構築しました。検出

https://www.rd.ntt/as/history/infra/in0156.html

c_17.pdf

（= 深層学習に基づく選択的聴取モデル） 聞きたい人に関する手がかりを与えることで、 混合音声からその話者の音声のみを取り出す 深層学習モデル 状況に応じた 手がかり選択 混合音声 聞きたい人 音声情報 映像

https://www.rd.ntt/cs/event/openhouse/2020/download/c_17.pdf

研究論文｜NTTソフトウェアイノベーションセンタ｜NTT R&D Website

深層学習を浅くする技術に関する論文 研究紹介資料一覧に戻る

https://www.rd.ntt/cct/research-results/paper/2019/

西田 京介 | NTT R&D Website

． 西田京介, "視覚と言語に基づく文書理解", 第42回医療情報学連合大会, 2022年11月． 西田京介, "深層学習による自然言語処理技術の最新動向とビジネスへの利用例", 東京大学 総合分析情報学特

https://www.rd.ntt/organization/researcher/superior/s_033.html

商用基地局からの電波を活用した無線センシングによる人流推定技術｜AS MEDIA 未来をつなぐ技術の軌跡

センシングシステムを屋外通路の脇に設置し、商用運用中の4G基地局の電波から強度と位相の情報を取得しました。同時に、カメラによって正解データを収集し、深層学習によって本システムの周辺にいる10秒間の平均

https://www.rd.ntt/as/asmedia/article/0009.html

聴きたい音を聴く―選択的聴取｜NTTコミュニケーション科学基礎研究所｜NTT R&D Website

・関連文献 聞きたい人の声に耳を傾けるAI:深層学習に基づく音声の選択的聴取技術SpeakerBeam https://www.kecl.ntt.co.jp/openhouse/2021/lecture

https://www.rd.ntt/cs/team_project/media/signal/research_signal02.html

NTT コミュニケーション科学基礎研究所 オープンハウス2019

の発展にはめざましいものがあります。もともとコンピュータは人間が処理できない大量のデータを一度に処理し、人間が苦手な処理を人間に代わって高速に処理するのが得意です。しかし特に深層学習の発展のおかげで、本来

https://www.rd.ntt/cs/event/openhouse/2019/director/

NTT コミュニケーション科学基礎研究所 オープンハウス2017 スケジュール

しました。 2017/8/30 研究講演「打てるバッターは何が違うのか？ ～潜在脳機能からみた技の神髄～」の講演アーカイブを公開いたしました。 2017/8/30 研究講演「あなた専用のお手本映像で上達支援 ～深層学習

https://www.rd.ntt/cs/event/openhouse/2017/schedule.html

スライド 1

付けて、AIが知らないモノを自ら学び取る（辞書を自動作成する）技術を紹介します。 日本語音声データセットを新たに構築し、既存の英語／ヒンディ語音声と合わせて、画像との潜在空 間を深層学習することで、従来

https://www.rd.ntt/cs/event/openhouse/2019/download/20_c.pdf

in0155.pdf

の確立が必要とされています。 3．技術課題と提案技術の特徴 画像認識技術の分野では、UAVやデジタルカメラ等により撮影した橋梁の点検画像を矩形に分割し、 深層学習（画像分類手法）を用いて矩形内の劣化の有無

https://www.rd.ntt/as/history/pdf/infra/in0155.pdf

c_21.pdf

メント分割 を解く深層学習 形状推定問題を解く 回帰モデル学習 p 真の心臓形状を知ること自体が容易ではない（専門 家が膨大な手間をかけ人手で画像にラベル付け）。 新の深層学習 手法を利用 [2] 本研究

https://www.rd.ntt/cs/event/openhouse/2020/download/c_21.pdf

コンタクトセンタAIの先進的取り組み｜NTT R&D WebSite

らした主要な技術は、機械学習、とりわけ深層学習(ディープラーニング)であることは疑いようがありません。深層学習は基本技術としてさまざまな問題に適用することができますが、単に適用するだけでは実際のビジネスで利用

https://www.rd.ntt/research/JN20190706_h.html

NTT コミュニケーション科学基礎研究所 オープンハウス2019 プログラム

変動から人の移動を再現 時間別エリア人口データからの移動傾向推定技術 深層学習のボトルネック解消で精度を向上 深層学習における、より高い表現能力を持つ出力関数 データから学ぶ：どれが原因？どれが結果

https://www.rd.ntt/cs/event/openhouse/2019/program.html

デジタルツインでモビリティ群を賢く制御する ――分散深層学習がもたらす未来の可能性 | NTT R&D Website

デジタルツインでモビリティ群を賢く制御する ――分散深層学習がもたらす未来の可能性 | NTT R&D Website NTT R&D Website リサーチ＆アクティビティ デジタルツイ

https://www.rd.ntt/research/JN202208_19150.html

IOWN時代のAlサービスを支える高効率イベント駆動型推論｜NTT R&D Website

大介（はむろ だいすけ） ヒトを超えるAIの実現をめざして 深層学習に代表されるAI（人工知能）技術は、今日、数多くの商用サービスに利用され、ビジネスを変革する技術として着実に発展してきています(1

https://www.rd.ntt/research/JN202012_8897.html

橋梁添架設備の腐食度推定技術｜NTTアクセスサ－ビスシステム研究所

．技術課題と提案技術の特徴 画像認識技術の分野では、UAVやデジタルカメラ等により撮影した橋梁の点検画像を矩形に分割し、深層学習（画像分類手法）を用いて矩形内の劣化の有無や損傷の種類を分類

https://www.rd.ntt/as/history/infra/in0155.html

リーフレット_0417

金子　卓弘 あなた専用のお手本映像で上達支援 深層学習によるメディア生成の可能性 研究講演 13：00～13：40 スポーツ脳科学プロジェクト 柏野　牧夫 打てるバッターは何が違うのか？ 潜在脳機能

https://www.rd.ntt/cs/event/openhouse/2017/download/oh2017_leaflet.pdf

2019OHリーフ表面

タからの移動傾向推定技術 深層学習のボトルネック解消で精度を向上 深層学習における、より高い表現能力を持つ出力関数 データから学ぶ：どれが原因？どれが結果？ 教師あり学習に基づく時系列の因果推論 過去デー

https://www.rd.ntt/cs/event/openhouse/2019/download/leaflet2019.pdf

スライド 1

アな深層学習モデルを設計し、 技術的な実現可能性を初めて示しま した。 現在の見守り・防犯技術はカメラの 利用を前提としており、プライバ シー性の高い家庭や公共空間には適 用しにくい場合がありました。本技

https://www.rd.ntt/cs/event/openhouse/2018/exhibition/18/poster18.pdf

奥行推定と画像領域分割の融合によるデプスマップの精度向上技術｜NTT R&D Website

テンツからデプスマップを生成する際に用いられる手法としては深層学習を活用するものがありますが、一般的に生成されるデプスマップの解像度は低く、また被写体の輪郭がクッキリとしたデプスマップを得る

https://www.rd.ntt/research/JN202101_9655.html

クロスメディア情景分析｜NTT R&D Website

結果となるような新しいクロスモーダルな深層学習技術です。 カメラが無くとも、マイクのみを用いて画像認識結果を推定することができます。 利用シーン カメラでは写らない／写したくないような生活・公共空間

https://www.rd.ntt/research/CS0035.html

D01-02-j.pdf

すことなく高速化 できることを、理論的／実験的に世界で初めて証明 情報技術産業分野に置いて、生成AIをはじめとするさまざまな深層学習モデルの学習効率化に適用（2026年/4Q頃） 出展社＝日本電信電話株式

https://www.rd.ntt/forum/2024/doc/D01-02-j.pdf

芝原 俊樹｜NTT社会情報研究所｜NTT R&D Website

ュリティプリンシパル芝原 俊樹 悪性サイトの構造や悪性通信の時系列の特徴を機械学習で検知するサイバー攻撃対策の研究を行っている。近年は、機械学習システムの安全性、特に深層学習に対する攻撃や差分プライバシーによるプライバシー

https://www.rd.ntt/sil/overview/evangelist/toshiki_shibahara.html

橋梁添架設備の腐食度推定技術 | NTT R&D Website

しています。そのため、診断者は数多くの橋梁添架設備を診断するだけでなく一定のスキルが必要になります。 本技術のアドバンテージ 橋梁添架設備の撮影方法を規定することで、高精度に腐食面積率を推定することができます。また、深層学習

https://www.rd.ntt/research/AS0094.html

G03-01-j.pdf

を用いたデバイス操作を通じて、身体の制約を 超えた活動を実現します。 ①運動意図が切り替わったタイミングを考慮するパラメータ （フェーズトークン）を内部に組み込む独自深層学習モデル ②利用時の状況から明ら

https://www.rd.ntt/forum/2024/doc/G03-01-j.pdf

C23-j.pdf

た深層学習モデルを構築。 これにより、市中初となる設備毎の腐食進行 の高精度な予測を実現 設備ごとに腐食状態の高精度な予測を実現することで、点検・補修の時期・方法を最適化し、 保全コストの⼤幅な縮減をめざ

https://www.rd.ntt/forum/2025/doc/C23-j.pdf

研究紹介資料｜NTTコンピューティングテクノロジーセンタ｜NTT R&D Website

した特徴量削減手法 深層学習を浅くする技術に関する論文 もっと見る

https://www.rd.ntt/cct/research-results/

F14_leaf_j.pdf

ープットの測定 評価が可能な5G検証環境を構築 検証環境で収集した空間情報を⽤いて、深層学習で5Gスループットの予測モデルを構築し、秒オーダ先の5G スループットを予測する技術を確⽴ 5G 28GHz帯

https://www.rd.ntt/forum/2023/doc/F14_leaf_j.pdf

音の聴き方を自ら学ぶAI――自己教師あり学習によるさまざまな音の汎用表現学習技術から、大規模言語モデルを活用した音の理解の最前線へ | NTT R&D Website

）による優れたデータの理解を可能にしました。本稿では、私たちの身の周りのさまざまな音をAIに理解させるための音の表現学習技術を紹介します。学習した深層学習＊2モデルは人の声や動物の鳴き声といった音の種類の認識

https://www.rd.ntt/research/JN202508_35362.html

課題解決によって研究テーマが減るとは考えない。できることが増えて新たな研究領域を開拓｜NTT R&D Website

ような経緯でテーマ化したのでしょうか。 ブラインド音源分離に関する研究や時空間データの解析に注力してきた一方で、2012年ごろから第3次AI（人工知能）ブームが巻き起こり、深層学習をベースとしたニュ

https://www.rd.ntt/research/JN202203_17523.html

採用情報｜NTT社会情報研究所｜NTT R&D Website

早く検知する深層学習 三品 気吹 秘密計算技術を確立しデータを社会インフラに 山川 高志 量子コンピュータ時代に安全な通信を創出する暗号プロトコル研究 藤堂 洋介 次世代基礎理論の構築と目的特化型暗号が切り

https://www.rd.ntt/sil/recruitment.html

NTT コミュニケーション科学基礎研究所 オープンハウス2016

ム / プログラム / 研究展示 メディアの科学 こんなにガヤガヤした場所でも聞き取ります ～遠隔発話音声認識における雑音除去・深層学習技術の最前線～ 概要 近年、音声認識技術は飛躍的に向上していますが、展示

https://www.rd.ntt/cs/event/openhouse/2016/exhibition/19/

E07_leaf_j.pdf

である。そこで、⼀部情報に注⽬することで計算 を効率化する深層学習モデルを応⽤。訪問先が増えても、短時間で正確に訪問先を決定 モデルの学習⽤に、仮想的な100万以上のマップを⽣成することで、リアルな学習デー

https://www.rd.ntt/forum/2023/doc/E07_leaf_j.pdf

複数人会話理解｜NTTコミュニケーション科学基礎研究所｜NTT R&D Website

）」「複数フロア（同じ場で複数の会話が並行して進む状況）」という階層に分け、各階層で音声・韻律・感情といった言語／非言語情報を統合的に分析する深層学習技術の開発を進めています。これにより、既存の音声LLM

https://www.rd.ntt/cs/team_project/media/signal/research_signal03.html

沿革・業績｜NTT先端技術総合研究所｜NTT R&D Website

を含まない低環境負荷な材料で構成した回路・電池で通信信号の生成に成功 新アルゴリズムで光ニューラルネットワークによる高速な深層学習を実証 100GHz帯域・超小型ベースバンド増幅器ICモジュールの実現

https://www.rd.ntt/sclab/history/histry_2017-2022.html

進化を続ける音声認識エンジン「VoiceRex®」｜NTT R&D WebSite

Voice Mining」＊というコンタクトセンタ向けの製品が発表されることになりました。 さて、その数年前、音声認識の研究者コミュニティの中では、ある技術が注目を集めていました。深層学習(ディ

https://www.rd.ntt/research/JN20190709_h.html

地球観測データとAIで人間社会と海洋生態系の共生をめざす地球環境データ時空間分析技術 | 地球の未来を宇宙から考えるメディア Beyond Our Planet

ています。これは深層学習モデルを使って画像内の各ピクセルに対して「河川プルーム」「それ以外」などの意味的なラベルを付与する手法で、衛星データのどの範囲が河川プルームと考えられるかを推定することができます。衛星データ中

https://www.rd.ntt/se/media/article/0111.html

自然言語処理 | NTT R&D Website

), pp. 422-433, May 2022. 招待・チュートリアル講演 西田京介, “視覚と言語に基づく文書理解”, 第42回医療情報学連合大会, 2022年11月． 西田京介, “深層学習による自然

https://www.rd.ntt/hil/category/language/

AI競争の差別化要因となる「Deep Learningのコアな研究/技術」｜NTT R&D Website

の中でも特にDeep Learning（深層学習）をめぐる競争が激化しています。これに対しNTTソフトウェアイノベーションセンタ（SIC）では、独自の学習アルゴリズムの研究やAI処理基盤「CCI

https://www.rd.ntt/research/AP99-320.html

共生社会の未来を描く「AIと脳情報解析技術の融合による脳メカニズム理解」 | NTT R&D Website

の社会的な場面でAI（人工知能）による深層学習の技術が登場していますが、脳解析の研究分野においてもこれらの技術を用いて研究が進んでいます。今回は深層学習技術と脳情報デコーディング技術を組み合わせて共生社会

https://www.rd.ntt/research/JN202210_19918.html