科目名	パターン認識特論
単位数	2.0
担当者	知能工学専攻 准教授 岩田一貴、准教授 下川丈明
履修時期	後期
履修対象	1・2年次
講義形態	講義
講義の目的	前半（第1〜8回）：パターン認識の基礎となる数値計算アルゴリズムのうちで、線形代数に基づくものに焦点を絞って学ぶ。基本データ形式がベクトル・行列であるMATLABやR言語を使って、それらのアルゴリズムが効率良く実装できることを理解する。 後半（第9〜15回）：パターン認識の基本となる多変量解析の手法とその応用事例について学ぶ。
到達目標	・線形代数に基づく数値計算アルゴリズムとその特性について理解する【知識2、技能1、思考力・判断力】 ・多変量解析の手法とその活用の仕方を理解する【知識2、技能1、思考力・判断力】
受講要件	解析学、線形代数、確率統計に関する講義を学部で履修していることが望ましいが、必須ではない。
履修取消の可否	可
履修取消不可の理由
事前・事後学修	・効率的に学ぶために、事前に資料を予習することで、わからない点を明確にしておく。（学修時間：週60分） ・事後は課題に取り組んで、内容の理解を深める。（学修時間：週120分）
講義内容	第1回 ベクトルと行列 第2回 線形システムと最小二乗法 第3回 直交性 第4回 QR分解 第5回 特異値分解：行列がフルランクの場合 第6回 特異値分解：行列がランク落ちの場合 第7回 縮小ランク最小二乗法 第8回 前半のまとめと復習 第9回 多変量解析の概要説明 第10回 重回帰分析 第11回 主成分分析 第12回 多次元尺度構成法 第13回 正準相関分析 第14回 独立成分分析 第15回 後半のまとめと復習 ※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点 課題・レポート提出 80点
教科書等	必要に応じて資料を配布する。 参考書: Lars Elden、Matrix Methods in Data Mining and Pattern Recognition、SIAM、2007 参考書: 永田靖・棟近雅彦著、多変量解析法入門、サイエンス社、2001 参考書: Aapo Hyvarinen他著、詳解独立成分分析、東京電機大学出版局、2005
担当者プロフィール	[岩田一貴] 数理工学を専攻。 研究室: 情報科学部棟7階710室 [下川丈明] データ分析を専攻。 研究室: 情報科学部棟7階713室 授業に関する個別学習相談は随時受け付けている。担当者の所在は、学内サイネージ等に掲示されているので、確認のうえ、研究室を訪ねて欲しい。
講義に関連する実務経験	[岩田一貴] なし [下川丈明] 2019年4月〜2021年3月 三菱電機株式会社に勤務（データ分析業務に従事）
課題や試験に対するフィードバック	課題については、模範解答と解説を提示する。
アクティブ・ラーニング	振り返り
キーワード	最小二乗法、直交性、行列分解、多変量解析、主成分分析、独立成分分析
備考	【教職】高専修（数学）