到達目標
最小二乗法、最急降下法について理解する。階層型ニューラルネットワークの基礎知識について理解する。
階層型ニューラルネットワークの学習法であるバックプロパゲーションアルゴリズムの動作について理解する。
ディープラーニングについて学ぶ。
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 |
最小二乗法 | ライブラリを適切に活用できる. | ライブラリを使うことができる. | ライブラリを使うことができない |
最急降下法 | 画像処理を適切なAI手法を用いて処理できる. | 画像処理をAI手法で処理できる. | 画像処理をAI手法で処理できない. |
ニューラルネットワーク | 自然言語処理を適切なAI手法を用いて処理できる. | 自然言語処理をAI手法で処理できる. | 自然言語処理をAI手法で処理できない. |
ディープラーニング | ディープラーニングを実際の問題に適用できる. | ディープラーニングを使うことができる. | ディープラーニングを使うことができない. |
学科の到達目標項目との関係
教育方法等
概要:
知能システムは幅広い学問である.その中でも,データから規則性を自動的に学習する機械学習の基礎について学ぶ.
また,ニューラルネットワークを中心に学習を行う。
Pythonは機械学習の手法がさまざまライブラリとして公開されており,これらの手法を実際に利用する方法について学ぶ.
授業の進め方・方法:
座学と演習によって授業を進める.
座学では手法を理解することに務めること.また,演習では理解した手法を実装し,実験によって理解を深める.
注意点:
基本的には演習およびレポートでは学習内容を実装するため,C言語あるいはPythonの基本的なプログラミングができること.
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 |
知能システムの概要 |
知能システムの歴史、現状、実現可能性について学ぶ。
|
2週 |
一般的な学習手法の概要 |
教師あり学習、教師なし学習について学ぶ。
|
3週 |
最小二乗法 |
最小二乗法の利用方法について学ぶ。
|
4週 |
最急降下法 |
最急降下法について学ぶ。
|
5週 |
最急降下法 |
最急降下法について学ぶ。
|
6週 |
ニューラルネット研究の歴史と脳神経細胞の構造と機能 |
ニューラルネット研究の経緯と現状について学ぶ。また、脳の構造と機能、神経細胞の構造と機能、シナプス結合について学ぶ。
|
7週 |
ニューラルネット研究の歴史と脳神経細胞の構造と機能 |
ニューラルネット研究の経緯と現状について学ぶ。また、脳の構造と機能、神経細胞の構造と機能、シナプス結合について学ぶ。
|
8週 |
演習 |
ここまでの内容を利用して,プログラミングによる演習を行う.
|
2ndQ |
9週 |
階層型ニューラルネットワークの学習法 |
階層型ニューラルネットワークの学習法について学ぶ。
|
10週 |
階層型ニューラルネットワークの二乗誤差 |
ネットワーク出力と目標出力の二乗誤差について学ぶ。
|
11週 |
バックプロパゲーション |
バックプロパゲーションの仕組みについて学ぶ。
|
12週 |
バックプロパゲーション |
バックプロパゲーションの仕組みについて学ぶ。
|
13週 |
バックプロパゲーションの実装 |
バックプロパゲーションを実装し、応用問題に適用できるか検討を行う。
|
14週 |
バックプロパゲーションの実装 |
バックプロパゲーションを実装し、応用問題に適用できるか検討を行う。
|
15週 |
演習 |
ここまでの内容を利用して,プログラミングによる演習を行う.
|
16週 |
|
|
評価割合
| 課題 | 合計 |
総合評価割合 | 100 | 100 |
基礎的能力 | 50 | 50 |
専門的能力 | 50 | 50 |