到達目標
(1)ニューロ、ファジィ、GAのアルゴリズムを理解する。
(2)知能情報処理技術を自分の手で実際に具現化できるようになる。
ルーブリック
| 理想的な到達レベルの目安 | 標準的な到達レベルの目安 | 未到達レベルの目安 |
評価項目1 | ニューロ、ファジィ、GAのアルゴリズムを説明応用的な活用を考察できる | ニューロ、ファジィ、GAのアルゴリズムを説明できる | GAのアルゴリズムを説明できない |
評価項目2 | 機械学習への適応アルゴリズムを構築できる | 機械学習の基本的事項について説明できる | 機械学習の基本的事項について説明できない |
学科の到達目標項目との関係
到達目標A 1
説明
閉じる
JABEE d-1
説明
閉じる
教育方法等
概要:
この講義では,数多くある知能情報処理技術の中から比較的初期の段階で開発された「ニューラルネットワーク」、「ファジィ」、「遺伝アルゴリズム」について学習する。開設期の前半ではこれらの原理の基本的な部分について説明を行い、後半で実際にプログラムを作成し与えられた課題の解決に取り組む。
授業の進め方・方法:
開設期の前半では配布の資料をもとに講義を行う。後半では与えた例題の問題解決に向けてプログラムの作成に取り組む。授業内容を理解するために予習復習が必須である。
この科目は学修単位科目のため、年間15時間の自学自習を必要とします。自学自習時間の目安は次の通りです。
事後学習(理解度チェックなど):3時間
課題の実施(レポート):8時間
試験勉強:4時間
注意点:
プログラミング可能なPCの持参を求める。(授業ではC言語を用いて解説を行うが、プログラミング言語は問わない)用意が難しい場合は早めに相談すること。
(総合評価)=試験(70%)+レポート(30%)
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
後期 |
3rdQ |
1週 |
オリエンテーション |
ソフトコンピューティングの歴史及び、この授業によってどのような問題が解けるようになるか等、必要性と効果について説明できる。
|
2週 |
ニューラルネットワーク(1) |
ニューラルネットワークについて概要を説明できる。
|
3週 |
ニューラルネットワーク(2) |
基本的なニューラルネットワークパラメータを求めることができる。
|
4週 |
ファジィ理論 |
ファジィ理論の手法を説明できる。
|
5週 |
遺伝アルゴリズム |
遺伝アルゴリズムの手法を説明できる。
|
6週 |
数値モデリング1 |
例題を元にシミュレーション作成に向けた現象の数値モデル化を行うことができる。
|
7週 |
数値モデリング2 |
前回の続き
|
8週 |
数値モデリング3 |
簡単な例に対応する式を作り、ここまで学習したアルゴリズムに適応させる事ができる。
|
4thQ |
9週 |
機械学習1 |
基本的なモデルを元に山登り法、機械学習について説明できる。
|
10週 |
機械学習2 |
前回の続き
|
11週 |
テスト |
テストを実施し理解度を確認することができる。 試験(70%)
|
12週 |
テストの解説 |
テストの解答と解説から、理解の不足していた点を補うことができる。
|
13週 |
課題演習 |
最終レポートの課題(巡回セールスマン問題又はNクイーン問題)を解くことができる。理解度の不足している箇所についての説明を行う。
|
14週 |
コーディング |
最終レポートのコーディング、考察を行って最終レポートを完成させるために理解度の不足している箇所について質問することができる。
|
15週 |
コーディング |
前回の続き。 レポート(30%)
|
16週 |
まとめ |
最終レポート課題に関する解説を行う。
|
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
| 試験 | レポート | 合計 |
総合評価割合 | 70 | 30 | 100 |
基礎的能力 | 20 | 10 | 30 |
専門的能力 | 50 | 10 | 60 |
分野横断的能力 | 0 | 10 | 10 |