到達目標
1)知的情報処理について説明することができる
2)ソフトコンピューティングについて説明することができる
3)人工知能について説明することができる
4)進化的計算手法について説明することができる
5)オートマトンについて説明することができる
6)メタヒューリスティクスについて説明することができる
7)強化学習について説明することができる
8)多変量解析について説明することができる
9)ニューラルネットワークについて説明することができる
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 | 遺伝的アルゴリズムのメカニズムについて説明することができる | 進化的計算手法について説明することができる | 進化的計算手法について説明することができない |
評価項目2 | オートマトンのメカニズムについて説明することができる | オートマトンについて説明することができる | オートマトンについて説明することができない |
評価項目3 | 蟻コロニー最適化のメカニズムについて説明することができる | メタヒューリスティクスについて説明することができる | メタヒューリスティクスについて説明することができない |
評価項目4 | 強化学習のメカニズムについて説明することができる | 強化学習について説明することができる | 強化学習について説明することができない |
評価項目5 | クラスタリングのメカニズムについて説明することができる | 多変量解析について説明することができる | 多変量解析について説明することができない |
評価項目6 | ディープラーニングのメカニズムについて説明することができる | ニューラルネットワークについて説明することができる | ニューラルネットワークについて説明することができない |
学科の到達目標項目との関係
教育方法等
概要:
AIやIoT,自動運転などで使用されている情報処理技術には,理論的に実現されたものだけでなく,生物が行う知的で高度な処理システムを基に実現されたものもある。本講義では生物における知的メカニズムを通して,知的情報処理がどのように実現されているかを理解し,その技術を使うことができるようになることを目的としている。
授業の進め方・方法:
〈授業の進め方について〉
座学形式
〈必要な用具について〉
筆記用具
〈前提知識について〉
数学C,数学,プログラム言語Ⅰ・Ⅱ,数値解析,応用数学Aなど
〈成績評価項目について〉
定期試験,課題(毎期1回以上)
〈合否判定について〉
合格条件:2回の定期試験(後期中間試験と後期末試験)の平均点が60点以上 且つ 課題全てが提出されていること
〈成績評価方法について〉
合格条件を満たした者は定期試験に課題点を加減したものが最終成績となる
〈再試験評価方法について〉
合格条件を満たさない者は60点未満の定期試験(後期中間試験と後期末試験)に再試験を課し,再試験の全てが60点以上 且つ 課題全てを提出することで合格(最終成績60点)
〈関連科目について〉
ソフトコンピューティング,画像工学など
注意点:
課題は期限までに提出すること.
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
後期 |
3rdQ |
1週 |
知的情報処理の基礎知識 |
知的情報処理,ソフトコンピューティング,人工知能,人工生命,機械学習について説明することができる
|
2週 |
知的情報処理の基礎知識 |
生物における知的システムについて説明することができる
|
3週 |
生物の誕生と進化的計算手法 |
進化的計算手法,遺伝的アルゴリズムについて説明することができる
|
4週 |
生物の誕生と進化的計算手法 |
遺伝的アルゴリズムのメカニズムについて説明することができる
|
5週 |
生物の多機能化とオートマトン |
オートマトン,ファジィ,ベイズ,カオスについて説明することができる
|
6週 |
生物の多機能化とオートマトン |
オートマトンのメカニズムについて説明することができる
|
7週 |
生物の群れとメタヒューリスティクス |
メタヒューリスティクス,群知能,マルチエージェントシステム,粒子群最適化,蟻コロニー最適化について説明することができる
|
8週 |
生物の群れとメタヒューリスティクス |
蟻コロニー最適化のメカニズムについて説明することができる
|
4thQ |
9週 |
生物の伝達機能発達と強化学習 |
強化学習,免疫アルゴリズム,オンライン学習,オフライン学習について説明することができる
|
10週 |
生物の伝達機能発達と強化学習 |
強化学習,免疫アルゴリズムのメカニズムについて説明することができる
|
11週 |
生物の神経発達と多変量解析 |
多変量解析,クラスタリング,連合学習,主成分分析 回帰分析について説明することができる
|
12週 |
生物の神経発達と多変量解析 |
クラスタリング,連合学習のメカニズムについて説明することができる
|
13週 |
生物の神経系とディープラーニング |
ニューラルネットワーク,ディープラーニング,ホップフィールドネットワーク,自己組織化マップについて説明することができる
|
14週 |
生物の神経系とディープラーニング |
ニューラルネットワーク,ディープラーニングのメカニズムについて説明することができる
|
15週 |
生物の神経系とディープラーニング |
自己組織化マップのメカニズムについて説明することができる
|
16週 |
期末試験 |
|
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 | 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 | 70 | 0 | 0 | 0 | 30 | 0 | 100 |
基礎的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
専門的能力 | 70 | 0 | 0 | 0 | 30 | 0 | 100 |
分野横断的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |