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
授業計画
|
|
週 |
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 | 100 | 0 | 0 | 0 | 0 | 0 | 100 |
| 基礎的能力 | 10 | 0 | 0 | 0 | 0 | 0 | 10 |
| 専門的能力 | 50 | 0 | 0 | 0 | 0 | 0 | 50 |
| 分野横断的能力 | 40 | 0 | 0 | 0 | 0 | 0 | 40 |