到達目標
１．パラメータ同定手法の基本概念を理解できる。
２．適応制御系の基本概念を理解できる。
３．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 | 適応制御系の基本概念を理解でき、系の設計ができる | 適応制御系の基本概念を理解できる | 適応制御系の基本概念を理解できない |
| 評価項目3 | 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
教育方法等
概要:
コンピュータを使ったインテリジェンスを持った制御手法について学ぶ。特性が変化する制御対象や未知の対象に対してコントローラの特性を変化させ適応する制御系の手法および制御対象の特性を学習し適応する手法について学ぶ。
授業の進め方・方法:
最初に系のパラメータを同定する手法について学び、それを応用した適応制御系について理解をする。また、ニューラルネットワークを使って系の動特性を学習する手法を学び制御系に適用する手法を理解する。それぞれの手法は、理解を深めるためにプログラミングによる演習をおこなう。この科目は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。また、理解を深めるためにプログラムによる演習を課題として出すので、Ｃ言語、Python等を習得しておくこと。
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 |
伝達関数法について理解する
|
| 2週 |
|
状態空間法について理解する
|
| 3週 |
システム同定手法 |
オフライン型パラメータ同定手法について理解する
|
| 4週 |
|
オンライン型パラメータ同定手法について理解する
|
| 5週 |
適応制御 |
適応制御の基本概念と制御手法の種類について理解する
|
| 6週 |
|
セルフチューニング型適応制御系について理解する
|
| 7週 |
|
モデル規範型適応制御系について理解する
|
| 8週 |
ニューラルネットワーク |
ニューラルネットワークの種類と基本概念について理解する
|
| 4thQ |
| 9週 |
|
多層型ニューラルネットワークの学習手法について理解する
|
| 10週 |
リカーレント型ニューラルネットワーク |
リカーレント型ニューラルネットワークの学習手法(BPTT)について理解する
|
| 11週 |
|
リカーレント型ニューラルネットワークの学習手法(LSTM)について理解する
|
| 12週 |
深層学習 |
深層学習の基本的概念について理解する
|
| 13週 |
|
深層学習の学習について理解する
|
| 14週 |
ニューラルネットワーク制御 |
ニューラルネットワークを使った制御手法について理解する
|
| 15週 |
期末試験 |
|
| 16週 |
試験返却・解答 試験返却・解答 |
|
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 |