パターン認識

科目基礎情報

学校	一関工業高等専門学校	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	0010	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	未来創造工学科（分野展開・系発展）	対象学年	4
開設期	後期	週時間数	2
教科書/教材	はじめてのパターン認識, 平井 有三 (著), 森北出版
担当教員	松尾 直志

到達目標

パターン認識に関わる基礎的な概念を理解し、説明できる
高次元データを分類、分析するための基礎的な方法を理解し、説明できる

【教育目標】D

【キーワード】 パターン認識, 最近傍法, サポートベクトルマシン, 主成分分析, カーネル法

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
パターン認識に関わる基礎的な概念を理解し、説明できる	パターン認識に関わる基礎的な概念を説明でき、実際の課題に当てはめて問題を定式化できる	パターン認識に関わる基礎的な概念を理解し、説明できる	パターン認識に関わる基礎的な概念を説明できない
高次元データを分類、分析するための基礎的な方法を理解し、説明できる	高次元データを分類、分析するための基礎的な方法を理解し、実際の課題で適切な方法を活用できる	高次元データを分類、分析するための基礎的な方法を理解し、説明できる	高次元データを分類、分析するための基礎的な方法を説明できない

学科の到達目標項目との関係

 教育目標 D （継続的に努力する姿勢とさかんな研究心をもつ技術者）

教育方法等

概要:

パターン認識に関わる基礎的な概念や理論について学ぶ。高次元データを分類、分析するための基礎的な方法とその理論について学ぶ。

授業の進め方・方法:

原則として講義形式で授業を進めるが、状況により実習を行うことがある。また、課題に関して受講者の前で説明してもらうことがある。
予習により不明点を明確にし、復習により毎回の授業の内容を理解し、宿題を行うこと。

注意点:

授業中に出す課題と試験により評価を行う。詳細は１回目の授業で説明する。

【事前学習】
授業で扱う内容について教科書の記載を確認すること。また、前回の授業で扱った内容について復習し、用語の意味を再確認しておくこと。

【評価方法・評価基準】
試験（60％）と課題（40％）で評価する。
パターン認識に関わる基礎的な概念や高次元データを分類、分析するための基礎的な方法についての理解度とそれらについての論理的な説明能力を評価する。
課題の未提出が，4分の１を超える場合は不合格点とする。総合成績60点以上を単位修得とする。

授業の属性・履修上の区分

ICT 利用

授業計画

		週	授業内容	週ごとの到達目標
後期
	3rdQ
		1週	識別規則と学習法の分類	識別規則と学習法の分類について説明できる
		2週	ベイズの識別規則	ベイズの識別規則について説明できる
		3週	確率モデルと識別関数	確率モデルと識別関数について説明できる
		4週	k最近傍法	k最近傍法について説明できる
		5週	k最近傍法	k最近傍法について説明できる
		6週	線形識別関数	線形識別関数について説明できる
		7週	線形識別関数	線形識別関数について説明できる
		8週	中間試験
	4thQ
		9週	サポートベクトルマシン	サポートベクトルマシンについて説明できる
		10週	サポートベクトルマシン	サポートベクトルマシンについて説明できる
		11週	部分空間法	部分空間法について説明できる
		12週	主成分分析	主成分分析について説明できる
		13週	カーネル法	カーネル法について説明できる
		14週	クラスタリング	クラスタリングについて説明できる
		15週	期末試験
		16週	まとめ

評価割合

	試験	課題	合計
総合評価割合	60	40	100
基礎的能力	30	20	50
専門的能力	30	20	50