パターン認識

科目基礎情報

学校 久留米工業高等専門学校 開講年度 令和06年度 (2024年度)
授業科目 パターン認識
科目番号 7S14 科目区分 専門 / 選択
授業形態 講義 単位の種別と単位数 学修単位: 2
開設学科 機械・電気システム工学専攻(制御情報工学コース) 対象学年 専2
開設期 前期 週時間数 2
教科書/教材 続々・わかりやすいパターン認識 線形から非線形へ,石井他著,オーム社
担当教員 松島 宏典

到達目標

1.一般化線形識別関数に関して説明できる。
2.カーネル法に関して説明できる。
3.畳み込みニューラルネットワークについて説明できる。

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1一般化線形識別関数に関して容易に説明できる。一般化線形識別関数に関して説明できる。一般化線形識別関数に関して説明できない。
評価項目2カーネル法に関して容易に説明できる。カーネル法に関して説明できる。カーネル法に関して説明できない。
評価項目3畳み込みニューラルネットワークについて容易に説明できる。畳み込みニューラルネットワークについて説明できる。畳み込みニューラルネットワークについて説明できない。

学科の到達目標項目との関係

JABEE C-1 説明 閉じる

教育方法等

概要:
コンピュータを用いたパターン認識について,基礎となる概念,原理,および応用的技術の習得を目的とする。
実務経験のある教員による授業科目:この科目は企業で画像認識の研究を行っていた教員の経験を活かし,ベイズ統計学などについて輪講形式で授業を行うものである。
授業の進め方・方法:
輪講形式に基づいて講義を行う。担当箇所は十分に理解して発表すること。また,講義中は積極的に質問すること。
注意点:
(1)点数分配:定期試験100%とする。
(2)評価基準:60点以上を合格とする。
(3)再試:60点以上を合格(60点)とする。
(4)準備学習:特に担当箇所については,事前に予習を済ませて十分に理解して発表すること。

授業の属性・履修上の区分

アクティブラーニング
ICT 利用
遠隔授業対応
実務経験のある教員による授業

授業計画

授業内容 週ごとの到達目標
前期
1stQ
1週 ガイダンス パターン認識の概要が理解できる
2週 線形識別関数 線形識別関数が理解できる
3週 パーセプトロン パーセプトロンが理解できる
4週 一般化線形識別関数 一般化線形識別関数が理解できる
5週 ポテンシャル関数法 ポテンシャル関数法が理解できる
6週 マージン最大化 マージン最大化が理解できる
7週 線形SVM 線形SVMが理解できる
8週 非線形SVM 非線形SVMが理解できる
2ndQ
9週 カーネル関数 カーネル関数が理解できる
10週 カーネル主成分分析 カーネル主成分分析が理解できる
11週 誤差逆伝播法 誤差逆伝播法が理解できる
12週 過学習 過学習が理解できる
13週 畳み込みニューラルネットワークの処理内容 畳み込みニューラルネットワークの処理内容が理解できる
14週 畳み込みニューラルネットワークの学習 畳み込みニューラルネットワークの学習が理解できる
15週 補足事項 補足事項について理解できる
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
専門的能力分野別の専門工学情報系分野ソフトウェアアルゴリズムの概念を説明できる。3前1,前2,前3,前4,前5,前6,前7,前8,前9,前10,前11,前12,前13,前14,前15
与えられたアルゴリズムが問題を解決していく過程を説明できる。3前1,前2,前3,前4,前5,前6,前7,前8,前9,前10,前11,前12,前13,前14,前15
同一の問題に対し、それを解決できる複数のアルゴリズムが存在しうることを説明できる。3前1,前2,前3,前4,前5,前6,前7,前8,前9,前10,前11,前12,前13,前14,前15

評価割合

試験発表相互評価態度ポートフォリオその他合計
総合評価割合10000000100
基礎的能力200000020
専門的能力800000080
分野横断的能力0000000