深層学習の登場から約10年が経ち、今その発展は継続されています。一方で、問題点や限界もわかったきたことで、これからは同じ、あるいは類似する“学習”をアルゴリズムとする、適応フィルタとの使い分けが必要とされると考えられます。そこで、この2つの概念、深層学習と適応フィルタを別々に整理し、それぞれの長所短所を明らかにしながら、実際の応用における”うまい使い分け”について解説を試みることにします。
　本セミナーでは、内容の理解を深めて頂くことを前提に、まず人工知能（AI）について網羅的に解説します。ここまでのAIの歴史について概観しながら、その性質について特に得意・不得意とするものを、例を用いて示します。そして、AIをニューラルネットワークと捉え、これまでのニューラルネットワークの技術的な進展を説明します。その進展の中で、今日使われる技術のポイントになったものを、応用面から捉え、大きく通信と音（特には音声）への利用例として紹介します。
　続いて、適応フィルタについて解説します。1つの技術を紹介することに限定せず、複数の有力な適応処理方法の紹介を心がけます。また、具体的な応用例を紹介します。そして、特に音と通信への応用を取り上げ、ニューラルネットワークと適応フィルタの利用の仕方を解説し、双方の利用の仕方と得られる結果の違い、長所・短所を示します。さらに、音声強調問題において、深層学習の最先端研究事例を示しながら、適応フィルタとの処理方法との違いを明らかにし、比較検討を行います。これまでの深層ニューラルネットワークと適応フィルタの研究を振り返り、今現在で言えること、そして今後の研究テーマとして考えられることにまで言及する予定です。

　1　AIとは
　　1.1　人工知能の広がり
　　1.2　人工知能と得意・不得意
　　1.3　アンドロイド
　　1.4　生成AI

　2　ニューラルネットワークの概念
　　2.1　神経細胞
　　2.2　発火
　　2.3　脳処理
　　2.4　人工ニューラルネットワーク

　3　ニューラルネットワークの進展
　　3.1　Adaline
　　3.2　多層パーセプトロン
　　3.3　深層ニューラルネットワークム
　　3.4　線形予測係数

　4　学習方法
　　4.1　教師あり学習
　　4.2　半教師あり学習
　　4.3　教師なし学習

　5　適応フィルタ
　　5.1　LMSアルゴリズム
　　5.2　最急降下法
　　5.3　最適解
　　5.4　ウィナーフィルタ

　6　適応アルゴルズム
　　6.1　LMSアルゴリズムの改良
　　6.2　RLS
　　6.3　RLSの改良
　　6.4　アフィン射影
　　　…、等

　7　適応フィルタの応用
　　7.1　エコーキャンセラ
　　7.2　ノイズキャンセラ
　　7.3　信号強調器
　　　…、等

　8　通信路等化
　　8.1　通信路等化の概念
　　8.2　トレーニングとトラッキング
　　8.3　非線形通信路等化
　　　多層パーセプトロン、ラジアル基底関数、…、等

　9　音への利用
　　9.1　気導音声と骨導音声
　　9.2　骨導音声の品質改善
　　　骨導・気導変換、…、等

　10　音声強調
　　10.1　深層学習を用いる先端研究
　　10.2 適応フィルタを用いる先端研究

　11　まとめ