到達目標
一般的な集合とファジィ集合の違いを理解し、ファジィ理論における演算方法を記述できる。
ファジィ推論を用いた制御方法を設計できる。
ニューラルネットワークをコンピュータ上にモデル化する方法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 | 一般的な集合とファジィ集合の違いを理解し、ファジィ理論における演算方法を記述できる。 | 一般的な集合とファジィ集合の違いを理解し、ファジィ理論における演算方法を記述できる。 | 一般的な集合とファジィ集合の違いを理解し、ファジィ理論における演算方法を記述できない。 |
| 評価項目2 | ファジィ推論を用いた制御方法を設計できる。
| ファジィ推論を用いた制御方法を設計できる。
| ファジィ推論を用いた制御方法を設計できない。
|
| 評価項目3 | ニューラルネットワークをコンピュータ上にモデル化する方法について説明できる。 | ニューラルネットワークをコンピュータ上にモデル化する方法について説明できる。 | ニューラルネットワークをコンピュータ上にモデル化する方法について説明できない。 |
学科の到達目標項目との関係
学習・教育到達度目標 Ｃ
説明
閉じる
学習・教育到達度目標 Ｄ
説明
閉じる
JABEE d-1
説明
閉じる
JABEE d-2
説明
閉じる
JABEE d-3
説明
閉じる
JABEE d-4
説明
閉じる
教育方法等
概要:
ソフトコンピューティングとは，従来の計算手法では扱いが難しい不正確・不確実な要素を許容して，問題を解決するための計算手法を包括した研究分野です．ソフトコンピューティング技術を用いることで，あいまいな情報や不完全な情報，また，状況によって変化する情報を，柔軟に処理することができます．この授業では，ソフトコンピューティングの代表的な計算手法である，ファジィ理論，ニューラルネットワークの基礎と計算機上での実装について学び，また，これらの手法がどのように応用されるのかを学びます．
授業の進め方・方法:
講義形式で行う。本科目では、ファジィ理論、ニューラルネットワーク、ソフトコンピュー ティング技術を中心に講義と演習を行い、これらの基本的な考え方について理解する。
注意点:
事前に配布した資料を持参すること。
専攻科1 年後期の「多変量解析」の履修が望ましい。
授業の属性・履修上の区分
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
| 前期 |
| 1stQ |
| 1週 |
ファジィ集合とクリスプ集合 |
ファジィ集合とクリスプ集合の違いを説明できる。
|
| 2週 |
ファジィ集合の演算
|
ファジィ理論の概要を説明できる．ファジィ集合の演算ができる。
|
| 3週 |
プロダクションルールとプロダクションシステム |
プロダクションルールとプロダクションシステムを説明できる。
|
| 4週 |
ファジィ関係 |
ファジィ関係について説明できる。
|
| 5週 |
ファジィ合成 |
ファジィ合成について説明できる。
|
| 6週 |
Mamdaniによるファジィ推論 |
Mamdaniによるファジィ推論を説明できる。
|
| 7週 |
ファジィ制御 |
ファジィ制御について説明できる。
|
| 8週 |
中間試験:実施する |
|
| 2ndQ |
| 9週 |
簡略型ファジィ推論 |
簡略型ファジィ推論を説明できる。
|
| 10週 |
学習型ファジィ推論 |
学習型ファジィ推論を説明できる
|
| 11週 |
ニューラルネットワークの概要 |
ニューラルネットワークの概要を説明できる。
|
| 12週 |
誤差逆伝播法 |
誤差逆伝播法を説明できる。
|
| 13週 |
自己組織化マップ |
自己組織化マップを説明できる。
|
| 14週 |
深層学習 |
深層学習を説明できる。
|
| 15週 |
総まとめ |
|
| 16週 |
期末試験:実施する |
|
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 |