学習制御

科目基礎情報

学校 木更津工業高等専門学校 開講年度 令和06年度 (2024年度)
授業科目 学習制御
科目番号 B1201 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 制御・情報システム工学専攻 対象学年 専1
開設期 後期 週時間数 2
教科書/教材 機械学習&ディープラーニングのしくみと技術がこれ1冊でしっかりわかる教科書,技術評論社,2019,978-4-297-10640-9
担当教員 大橋 太郎

到達目標

パラメータ同定手法の基本概念を理解できる
ニューラルネットワークの基本概念を理解し制御系への適用を理解できる

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パラメータ同定手法の基本概念を理解でき、系の設計ができるパラメータ同定手法の基本概念を理解できるパラメータ同定手法の基本概念を理解できない
評価項目2ニューラルネットワークの基本概念を理解し制御系へに適応を理解できるニューラルネットワークの基本概念を理解できるニューラルネットワークの基本概念を理解できない

学科の到達目標項目との関係

専攻科課程 B-2 説明 閉じる
JABEE B-2 説明 閉じる

教育方法等

概要:
コンピュータの性能を十分生かした最近のインテリジェントな制御手法について学ぶ。
授業の進め方・方法:
制御工学の基礎を理解したうえで、パラメータ同定の基礎である最小二乗法をさまざまなソフトウェア(エクセル、C言語、Scilab、MATLAB、maxima、Pythonなど)を利用することで導出する。ニューラルネットワークを理解するためにプログラミング演習を行う。ここではC#を利用しプログラミングを行う。本科目が学修単位科目のため、事前・事後学習として、講義内容に適したテキストを配布すると共に、理解度を確認するためのレポート課題を実施する。
注意点:
制御工学の基礎を理解しておくこと。理解度を確認するためにレポートにおいてプログラム課題を出題する。C言語、Pythonなどを習得しておくことが望ましい。

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
後期
3rdQ
1週 制御工学の基礎 伝達関数記述と状態方程式記述について理解する
2週 極配置法と最適制御による制御入力の決定法について理解する
3週 パラメータ同定 パラメータ同定、最小二乗法について理解する
4週 ソフトウェアを利用した学習制御の理解
scilabを用いた開ループ制御と閉ループ制御について理解する
5週 xcosを用いたプログラミングについて理解する
6週 xcosによる同一次元オブザーバ設計とパラメータ調整について理解する
7週 maximaとpythonを用いたプログラミング(前編)
8週 maximaとpythonを用いたプログラミング(後編)
4thQ
9週 ニューラルネットワーク技法
ニューラルネットワークの基礎について理解する
10週 ニューラルネットワークをC#で作る(説明)
11週 ニューラルネットワークをC#で作る(実装)
12週 ニューラルネットワークをC#で作る(学習)
13週 深層学習 ディープラーニングの基礎,畳み込みニューラルネットワークの実装について理解する
14週 最新技法の調査 ソニーNNC、PFN-Chainerなどの仕組みについて理解する
15週 まとめ,提出されたレポート課題の講評 講義を総括し,提出されたレポート課題の講評をおこなう
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

レポート課題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100000010
専門的能力500000050
分野横断的能力400000040