科目名 推論方式特論
単位数 2.0
担当者 知能工学専攻 准教授 宮原 哲浩、 准教授 原 章
履修時期 前期
履修対象 1、2年生
概要 知識情報処理を実現するための、様々な推論方式について、その理論的基礎と応用について述べる。計算学習理論を基本的枠組みとして、極限における学習、正例からの学習、確率的近似学習などについて講義する。また、解集合、エージェント、学習器などの競合・協調に基づく推論や問題解決の方法論として、進化的計算法、群知能、複数の学習器の集団学習による知識獲得、推論などについて講義する。講義の授業形態で行う。
科目の到達目標 知識情報処理を実現するための、様々な推論方式について理解する。
受講要件 特になし。
事前・事後学修の内容 講義ノートおよび配布資料を用いて、事前・事後学習を行う。
講義内容 1. 計算学習理論(前半担当:宮原)
2. 極限における学習(学習モデル)
3. 極限における学習(学習手法)
4. 正例からの学習(学習モデル)
5. 正例からの学習(学習手法)
6. 確率的近似学習
7. 計算学習理論の発展
8. 協調問題解決の方法論(後半担当:原)
9. 集団学習(Bagging)
10. 集団学習(Boosting)
11. 損失関数に基づくアルゴリズムの設計
12. 集団学習(Random Forests)
13. 群知能による知識獲得
14. 進化計算による知識獲得
15. まとめ

評価方法 講義で説明した推論方式について理解することを到達目標とする。レポートと授業参加度に基づいて評点を定める。評点に対する評価は学生便覧の通り。
教科書等 参考書:
榊原康文、小林聡、横森貴 著「計算論的学習」(培風館)
大内東他 著「生命複雑系からの計算パラダイム」(森北出版)
麻生英樹、津田宏治、村田昇 著「パターン認識と学習の統計学」(岩波書店)
Alex A. Freitas, Data Mining and Knowledge Discovery with Evolutionary Algorithms, Springer
担当者プロフィール 宮原:計算学習理論、機械学習、データマイニングの研究に従事。
原:進化計算論、群知能、マルチエージェントシステムの研究に従事。
授業内容や課題などに関する、学生の個別学習相談を随時受け付けています。
備考 【教職】中・高専修免(数学)の選択科目です。