到達目標
・ベイジアンネットの定義・特徴について理解する.
・ベイジアンネットの基本的な構造学習アルゴリズムについて理解し,当該アルゴリズムを活用した学習の過程を順序だって説明できる.
・ベイジアンネットの基本的な確率推論アルゴリズムについて理解し,当該アルゴリズムを用いて確率を計算できる.
・多変量解析手法の1つである主成分分析の手法および理論を理解し,パタン認識に応用することができる.
・確率モデルに基づくベイズ識別関数の設計方法に関する理論を理解し,ベイズ識別関数を用いたパタン認識プログラムが実装できる.
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 |
ベイジアンネットの定義・特徴について理解する. | ベイジアンネットの定義を理解し、背景に存在する同時分布を数式表現したり、定義を満たさないネットワークの誤りを指摘できる. | ベイジアンネットの定義を理解している. | ベイジアンネットの定義を理解しておらず、その基盤となるベイズ統計学に関する理解も不十分である. |
ベイジアンネットの基本的な構造学習アルゴリズムについて理解し,当該アルゴリズムを活用した学習の過程を順序だって説明できる. | ベイジアンネットの基本的な構造学習アルゴリズムについて理解し,当該アルゴリズムを活用した学習の過程を順序だって説明できる. | ベイジアンネットの基本的な構造学習アルゴリズムについて理解している. | ベイジアンネットの基本的な構造学習アルゴリズムについて理解していない. |
ベイジアンネットの基本的な確率推論アルゴリズムについて理解し,当該アルゴリズムを用いて確率を計算できる. | ベイジアンネットの基本的な確率推論アルゴリズムについて理解し,当該アルゴリズムを用いて確率を計算できる. | ベイジアンネットの基本的な確率推論アルゴリズムについて理解している. | ベイジアンネットの基本的な確率推論アルゴリズムについて理解できていない. |
学科の到達目標項目との関係
学習・教育目標 B1
説明
閉じる
学習・教育目標 B2
説明
閉じる
学習・教育目標 C1
説明
閉じる
学習・教育目標 C6
説明
閉じる
教育方法等
概要:
これまで学習してきた確率・統計I・IIおよび知識工学I等の学習内容を主な基盤として,予測・推論の仕組みやパタン認識の理論について学ぶ.予測・推論の仕組みを習得を通して,人工知能分野における基盤の一つである「学習」や,未来の事象の確率的予測,結果から原因を確率的に推測する方法について学びながら,適切な予測が可能な確率的ネットワークの構築法と,ネットワークを利用した基本的な推論法を習得する.またパタン認識では多変量解析手法の1つである主成分分析の手法や,確率モデルに基づくベイズ識別関数の設計方法に関する理論を学び,それらを用いたパタン認識プログラムの実装方法について学ぶ.
授業の進め方・方法:
前期は機械学習およびベイジアンネットワークについて学び,後期はパタン認識について学ぶ.いずれのテーマにおいても,それぞれの理論を幾つかの小テーマに分けて解説し,それらを用いたプログラムを実装することにより,理論に対する理解度を高める.
注意点:
この科目は60時間の授業と30時間の自学自習を合わせて3単位認定する学修単位科目である.30時間分の自学自習課題については別途指示する.また,知識工学Iおよび確率・統計I・IIの内容を良く復習しておくこと.
授業計画
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 |
基礎的能力 | 数学 | 数学 | 数学 | 独立試行の確率、余事象の確率、確率の加法定理、排反事象の確率を理解し、簡単な場合について、確率を求めることができる。 | 3 | |
条件付き確率、確率の乗法定理、独立事象の確率を理解し、簡単な場合について確率を求めることができる。 | 3 | |
専門的能力 | 分野別の専門工学 | 情報系分野 | 情報数学・情報理論 | コンピュータ上で数値計算を行う際に発生する誤差の影響を説明できる。 | 3 | |
評価割合
| 試験 | 課題 | 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 | 30 | 0 | 0 | 0 | 0 | 100 |
基礎的能力 | 20 | 10 | 0 | 0 | 0 | 0 | 30 |
専門的能力 | 50 | 20 | 0 | 0 | 0 | 0 | 70 |
分野横断的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |