科目名	計算知能特論
単位数	2.0
担当者	知能工学専攻　教授　　高濱　徹行 知能工学専攻　准教授　鎌田　真
履修時期	前期
履修対象	１・２年次
講義形態	講義
講義の目的	人間のように曖昧な知識に基づく推論を行うことを可能にするファジィ理論において、ファジィ集合、ファジィ関係、ファジィ推論とその学習法について学ぶ。また、従来の階層型ニューラルネットワークの問題点や畳み込みニューラルネットワーク、転移学習等の深層学習の基礎について学ぶ。 This course deals with fuzzy theory and neural networks. In fuzzy theory, you learn fuzzy set, fuzzy relation, fuzzy inference, and learning of fuzzy inference rules. In neural networks, you learn basics of deep learning including problems of conventional layered networks, convolutional neural networks, and transfer learning.
到達目標	・ファジィ理論について説明できる。【知識２，技能１】 ・ファジィ推論ルールの学習を実際の問題に対して適用できる。【知識２，技能１，思考力・判断力】 ・階層型および畳み込みニューラルネットワークについて説明できる。【知識２，技能１】 ・転移学習や様々な深層学習について説明できる。【知識２，技能１】
受講要件	学部において機械学習を受講していることが望ましい。
履修取消の可否	可
履修取消不可の理由
事前・事後学修	講義内容への理解を高めるために、事前に教科書，講義資料，Web検索を用いて予習する。 講義中に出題された課題を解き、講義内容を復習する。
講義内容	第１回　ファジィ集合１　定義　（前半担当：高濱） 第２回　ファジィ集合２　演算 第３回　ファジィ関係 第４回　ファジィ数１　定義 第５回　ファジィ数２　演算 第６回　ファジィ論理 第７回　ファジィ推論１　定義 第８回　ファジィ推論２　例題 第９回　ファジィ推論とファジィ関係 第10回　ファジィ推論と学習 第11回　深層学習１　ニューラルネットワーク　（後半担当：鎌田） 第12回　深層学習２　階層型ニューラルネットワーク〜誤差逆伝搬法と勾配消失問題〜 第13回　深層学習３　畳み込みニューラルネットワーク 第14回　深層学習４　転移学習 第15回　深層学習５　様々な深層学習（物体検出，敵対的事例，LSTM） ※授業の順序は変更することがある。
期末試験実施の有無	実施しない
評価方法・基準	授業参加度 20％ レポート課題 80％
教科書等	参考書　坂和正敏「ファジィ理論の基礎と応用」（森北出版） 　　　　林　勲他「ファジィ・ニューラルネットワーク」（朝倉書店） 　　　　瀧　雅人「機械学習スタートアップシリーズ これならわかる深層学習入門」（講談社） 　　　　斎藤康毅「ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装」（オーム社）
担当者プロフィール	以下のホームページを参照してください。 [高濱]　http://www.ints.info.hiroshima-cu.ac.jp/takahama/ 　　　　研究室：情報棟６階 641室 [鎌田]　http://www.ints.info.hiroshima-cu.ac.jp/kamada/ 　　　　研究室：情報棟６階 643室 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。 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。
講義に関連する実務経験
課題や試験に対するフィードバック	課題について、誤りが多かった部分の解説を行う。
アクティブ・ラーニング	振り返り
キーワード	ファジィ集合、ファジィ数、ファジィ推論、深層学習、転移学習
備考	【教職】高専修（情報）