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,教授 原 章 | ||
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 |
・知識情報処理を実現するための様々な推論方式に関する解説を通じて,各推論方式の仕組み,特徴とその理論的背景について理解する. ・推論方式の現実的な応用事例について検討することにより,各推論方式の有効性について考察・検証できるようになる. |
||
到達目標 |
・計算学習理論を基本的枠組みとした,極限における学習,正例からの学習,確率的近似学習などの推論方式について説明できる. ・学習器,解集合,エージェントなどの協調・競合に基づく推論の方法論として,集団学習,進化計算,群知能などの技術を説明できる. ・課題に対して適切な推論方式を選択し適用することができる. |
||
受講要件 | 特になし. | ||
履修取消の可否 | 可 | ||
履修取消不可の理由 | |||
事前・事後学修 | ・授業中に適宜与える提出課題について完成させる. | ||
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(Random Forests) 11. 集団学習(Boosting) 12. 損失関数に基づくアルゴリズムの設計 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 |
||
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% 講義前半の内容に関するレポート課題 40% 講義後半の内容に関するレポート課題 40% |
||
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:機械学習とデータマイニングの研究に従事.研究室:情報科学部棟別館501室 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.研究室:情報科学部棟640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. |
||
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 |
・授業中に適宜与える課題については,授業中に解説しフィードバックを行う. ・レポートについては,評価,コメントをWebClass等を通じてフィードバックする. |
||
アクティブ・ラーニング | |||
キーワード | 計算学習理論,極限における学習,正例からの学習,確率的近似学習,集団学習,進化計算,群知能 | ||
備考 | 【教職】高専修(数学) |