到達目標
(ア)パターン・クラスについて理解する。
(イ)パターン情報処理の数学的な基礎を理解する。
(ウ)特徴抽出の概要について理解する。
(エ)統計的パターン認識について理解する。
(オ)音響モデル、言語モデルの構築方法を説明することができる。
(カ)パターン情報処理の具体例として音声認識システムについて概要を理解する。
ルーブリック
| 最低限の到達レベルの目安(優) | 最低限の到達レベルの目安(良) | 最低限の到達レベルの目安(不可) |
| パターン・クラスについて理解し、実問題に応用できる。 | パターン・クラスについて理解する。 | パターン・クラスについて理解できない。 |
| パターン情報処理の数学的な基礎を理解し、詳細を説明できる。 | パターン情報処理の数学的な基礎を理解する。 | パターン情報処理の数学的な基礎を理解できない。 |
| 特徴抽出の概要について理解し、実問題において効果的な特徴を説明できる。 | 特徴抽出の概要について理解する。 | 特徴抽出の概要について理解できない。 |
学科の到達目標項目との関係
教育方法等
概要:
人間は、実世界の画像・音・文字など様々な情報(パターン)を知覚し、それらのパターンをいくつかの概念(クラス)に対応付けることによって情報を処理している。コンピュータに人間と同等の処理を行わせるためには、様々な基礎技術を組み合わせる必要がある。本講義では、まず前半部分で、パターン情報処理を行うための様々な基礎理論・技術を学ぶ。そして、後半部分では、パターン情報処理の具体例として音声認識技術を取り上げ、実際にシステムを作り上げる過程を通して、パターン情報処理を実践する力を身に付ける。
授業の進め方・方法:
注意点:
適宜ノートパソコンを持参すること。継続的に授業内容の予習・復習を行うこと。また、授業内容について、決められた期日までの課題(レポート)提出を求める。
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
後期 |
3rdQ |
1週 |
シラバスを用いた授業内容の説明、パターン情報処理とは、データの前処理 |
データの前処理の重要性を理解する。
|
2週 |
パターンからの特徴抽出 |
特徴抽出の概要を理解する。
|
3週 |
最近傍決定則による識別 |
最近棒決定則を理解する。
|
4週 |
誤差最小化に基づく識別 |
誤差最小化に基づく識別法を理解する。
|
5週 |
サポートベクトルマシンによる識別 |
サポートベクトルマシンを理解する。
|
6週 |
ニューラルネットワークによる識別 |
ニューラルネットワークを理解する。
|
7週 |
未知データの推定 |
未知データの推定法を理解する。
|
8週 |
パターン認識システムの評価 |
パターン認識システムの評価法を理解する。
|
4thQ |
9週 |
連続音声認識の概要 |
連続音声認識の概要を説明できる。
|
10週 |
音響モデルの構築 |
音響モデルの構築方法を理解する。
|
11週 |
HMMによる単語認識 |
HMMの基本を理解する。
|
12週 |
音声認識のための文法規則 |
音声認識のための文法規則の記述方法を理解する。
|
13週 |
統計的言語モデルの構築 |
統計的言語モデルの構築方法を理解する。
|
14週 |
連続音声認識の実現 |
連続音声認識システムの動作を理解する。
|
15週 |
対話システムの開発に向けて |
対話システムの開発における重要事項を理解する。
|
16週 |
|
|
モデルコアカリキュラムの学習内容と到達目標
分類 | 分野 | 学習内容 | 学習内容の到達目標 | 到達レベル | 授業週 |
評価割合
| 定期試験 | 課題 | 合計 |
総合評価割合 | 70 | 30 | 100 |
分野横断的能力 | 70 | 30 | 100 |