科目名 学習システム特論
単位数 2.0
担当者 知能工学専攻 准教授 岩根 典之
履修時期 後期
履修対象 1,2年
概要 (授業形態:講義)学習システムの背景にあるモデルや意味について関連する知識や技術から講義するとともにディスカッションする.統計的パタン認識における基礎と応用から典型的モデルを取り上げ,それらの関係や意味および基本原理など、知識の表現・利用・獲得の観点から考察するとともに新しいモデルを紹介する.理解をより深めるために基礎知識の輪講,シミュレータやツールを用いた演習も行う.
科目の到達目標 モデルの背後にある考え方やアイデアを理解し,コンピュータ演習を通じて理解を深める.
受講要件 特になし
事前・事後学修の内容 事前・事後学修のためのプリント等を配付する.
講義内容 1 導入(ガイダンス)
2 基礎(文字認識,分類問題と回帰問題,前処理ほか)
3 基礎(次元の呪い,カーブフィッティングほか)
4 基礎(非線形関数とニューラルネットワークほか)
5 基礎(ベイズの定理ほか)
6 基礎(決定境界,分類ミスほか)
7 展開(線形識別関数ほか)
8 展開(線形分離性,一般識別関数ほか)
9 展開(最小二乗法ほか)
10 展開(フィッシャーの線形判別法ほか)
11 応用(単層パーセプトロンほか)
12 応用(多層パーセプトロンほか)
13 発展(深層学習ほか)
14 発展(畳み込みニューラルネットワークほか)
15 まとめ(ディスカッション)
評価方法 ディスカッションへの参加状況などの受講態度(50%),およびプレゼンテーションと演習レポート(50%)により総合的に評価する.
教科書等 教科書:資料を配布する。
参考書:C.M.Bishop, Neural Network for Pattern Recognition, Oxford Univ.Press.
J.L. Elman et.al, Rethinking Innateness,MIT Press.
C.M.Bishop, PATTERN RECOGNITION AND MACHINE LEARNING, Springer.
石井健一郎ほか著「パターン認識」(オーム社)
渡辺澄夫ほか著「学習システムの理論と実現」(森北出版)
担当者プロフィール オフィス・アワーを設定しています(時間外も可能な限り受付けます).
学習システムのモデル化や設計に関する研究に従事.
備考 【教職】中・高専修(数学)
積極的にディスカッションに参加してほしい.