2019年7月5日、LINE株式会社が主催するAI技術者向けの勉強会「LINE AI Talk #02」が開催されました。第2回となる今回のテーマは「信号処理」。AI関連技術を活用したさまざまなサービスを開発しているLINEの取り組みだけでなく、この分野の第一人者をゲストスピーカーに招き、最新の知見を学びます。プレゼンテーション「深層学習を用いた複数マイクロホンの音源分離」に登壇したのは、LINE株式会社Research Labsに所属し、工学博士でもある戸上真人氏。深層学習を用いた音源分離の取り組みと、その仕組みを解説します。講演資料はこちら 深層学習を用いた複数マイクロホンの音源分離 戸上真人氏（以下、戸上）：それではLINEから、音の技術の研究と、この分野の動向についてお話したいと思います。 簡単に自己紹介ですが、私はLINEのResearch Labsに2018年の6月から研究員と

目次 目次 0. はじめに 1. 最適化アルゴリズム 1.1 山登り法 1.2 焼きなまし法 1.3 粒子群最適化（Particle Swarm Optimazation: PSO） 2 ベンチマークを用いた探索挙動の可視化 2.1 Sphere function 2.2 Ackley function 2.3 Rastrigin function 2.3 Himmelblau's function 3. おわりに 4. 参考 0. はじめに 以前書いたブログ（超個体型データセンターにおける群知能クラスタリングの利用構想 - クマガリウムぶろぐ）の構想実現を進めるために、最適化アルゴリズムの基本的なところを理解するため、山登り法をはじめ、焼きなまし法や粒子群最適化法の探索挙動を可視化した結果を簡単にまとめてみます。 ※このあたりお詳しい人がいたらコメント、補足など大歓迎 1. 最適化アルゴ