科目名 知識ベース特論
単位数 2.0
担当者 知能工学専攻 准教授 田村 慶一
履修時期 前期
履修対象 1,2年次
概要 推論ルールやファクトなどの知識情報及びテキストや画像などのメディア情報を扱う知識ベースの基本概念や演繹的側面について講義する。また,知識ベースの効率的構築を行うための知識獲得や知識発見技術,さらには,知識ベースシステムの性能向上を行うための諸技術についても述べる。授業形態は講義が中心だが,コンピュータを使用した演習を前提とするレポート課題を出題する。
科目の到達目標 人間の創造活動を支援するために必要な知識ベースシステムの構築法や利用法の基礎について理解する。
受講要件 本講義では,解析学,離散数学,関係データベース,データ構造とアルゴリズムや論理型プログラミングに関する基礎知識を前提としますので,事前にそれらの理解を深めておいてください。
事前・事後学修の内容 シラバスに沿って講義を行いますので,事前学習としてキーワードとなる基礎技術の概念について理解を深めてくること。また,事後学修のために,プリントを配布する(レポート課題を課す)。レポート課題の取り組みに際しては,できるだけ多くの資料を調査すること。
講義内容 第1回 知識ベースシステムと知識発見
  知識ベースとは,知識表現,関係データベース,演繹データベース,KDDプロセスなど

第2回 知識表現と推論
  知識表現手法,述語論理,ルール,ファクトなど

第3回 データクラスタリングと分類
  分割クラスタリング,階層的クラスタリング,スペクトラルクラスタリングなど

第4回 パターン抽出と知識表現
  頻出パターン,相関ルール,配列パターンとパターン表現など

第5回 時系列データの分析
  回帰分析,自己相関モデル,移動平均モデル,近似表現,SAX表現,予測と分類など

第6回 ネットワークグラフ構造からの知識発見
  グラフ構造とクラスタ,Newman法,リンクコミュニティなど

第7回 ソーシャルメディア上のデータに対する時空間分析
  時空間クラスタリング,ナイーブベイズ,バースト検出など
  
第8回 深層表現による知識獲得(教師なし学習)
  パーセプトロン,誤差逆伝播法,確率的勾配法,オートエンコーダ,ボルツマンマシンなど

第9回 深層学習による知識獲得(教師あり学習)
  積層自己符号化器,畳み込みニューラルネットワーク,ディープビリーフネットワーク,ディープボルツマンマシンなど

第10回 データと索引構造
  数値データや文字列データの索引構造,空間データの索引構造,多次元データの索引構造など

第11回 並列処理の基礎
  概念,並列計算アーキテクチャ,並列化モデルなど

第12回 並列処理とその応用
  性能指標,負荷分散モデル,プログラミングモデルなど

第13回 大規模データからの知識獲得プロセス
  分散システム,クラウド,IoT,ビッグデータ,MapReduce,Hadoopなど

第14回 知識ベースシステムに関する演習
  知識ベースシステムの応用分野に関する調査を実施

第15回 知識ベースシステムに関する演習
  知識ベースシステムの応用分野に関する調査内容の報告会を実施
評価方法 授業態度とレポートで評価する。レポートについては,全て指定された期限までに提出し,受理される必要があります。
教科書等 講義資料のコピーを適時配布する。
担当者プロフィール Webページ(http://rsw.office.hiroshima-cu.ac.jp/Profiles/4/0000314/profile.html)に掲載されています。

講義内容に関する,学生の個別相談を随時受け付けています。
教員の所在は,学内サイネージ等に掲示されていますので,確認の上,研究室を訪ねてみてください。
備考 【教職】中・高専修(数学)