到達目標
シンプルな基本的な問題解決方法を理解して複雑な問題に適用できる能力を身につけることにより、人間の知能を生み出している諸機能をコンピュータ上で実現するための基本的な考え方を理解できること。
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 | 知識表現の各手法の原理について詳細に説明できる | 知識表現の各手法の原理について説明できる | 知識表現の各手法の原理について説明できない |
評価項目2 | 問題に応じて適切な知識表現手法を選択して推論を行える | 問題に応じて知識表現手法を選択して推論を行える | 問題に応じて知識表現手法を選択して推論を行えない |
評価項目3 | ニューラルネットワークの分類及びその原理ついて詳細に説明できる | ニューラルネットワークの分類及びその原理ついて説明できる | ニューラルネットワークの分類及びその原理ついて説明できない |
評価項目4 | 遺伝的アルゴリズムの分類及び選択・交配・突然変異について詳細に説明できる | 遺伝的アルゴリズムの分類及び選択・交配・突然変異について説明できる | 遺伝的アルゴリズムの分類及び選択・交配・突然変異について詳説明できない |
学科の到達目標項目との関係
教育方法等
概要:
問題を解いたり、言語を理解したり、話声を聞いたり、物を見て意味を理解したり、知識をうまく整理し必要に応じて取り出して適用するなど、私たち人間は柔軟にそのときどきで問題を解決できる。この人間の知能を生み出している諸機能をコンピュータ上で実現するための基本的な考え方を学ぶ。
授業の進め方・方法:
教科書に準拠して、人工知能における代表的な知識表現及び、プロダクションシステム、ファジィ理論・ベイズ理論、機械学習、ニューラルネットワーク、遺伝的アルゴリズム(GA)、エージェント、自然言語処理について講義することにより理解度を高める。
注意点:
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
後期 |
3rdQ |
1週 |
シラバス説明&ガイダンス、人工知能における代表的な知識表現 |
知識表現の手法について説明できる
|
2週 |
ファジィ集合 |
ファジィ集合の基礎体系について説明できる
|
3週 |
ファジィ推論 |
ファジィ集合を用いた推論問題を解くことができる
|
4週 |
mini-max法 |
mini-max法を用いてファジィ推論を行い出力を求めることができる
|
5週 |
ベイズ理論 |
ベイズ理論について説明することができる
|
6週 |
ベイジアンネットワーク |
ベイジアンネットワークを用いた問題を解くことで原因事象割合を求めることがd系る
|
7週 |
1週目~6週目の授業内容の復習・演習 |
|
8週 |
中間試験 |
|
4thQ |
9週 |
パーセプトロン |
ニューラルネットワークの基礎とも言えるパーセプトロンについて説明できる
|
10週 |
デルタルール |
学習メカニズムのデルタルール、一般化デルタルールについて説明できる
|
11週 |
ホップフィールドネットワーク、ボルツマンマシン |
ホップフィールドネットワークのエネルギー関数について説明できる
|
12週 |
組合せ最適化問題を解く遺伝的アルゴリズム(GA) |
0と1で表現されたGAにおける、選択・交配・突然変異について説明できる
|
13週 |
隣接表現GA |
隣接表現されたGAにおける、交配・突然変異について説明できる
|
14週 |
順序表現GA |
順序表現されたGAにおける、交配・突然変異について説明できる
|
15週 |
学習のまとめ |
|
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
| 中間試験 | 中間テスト直し | 期末テスト | 期末テスト直し | 授業中の問題解答 | 合計 |
総合評価割合 | 50 | 5 | 50 | 5 | 10 | 120 |
基礎的能力 | 20 | 2 | 20 | 2 | 0 | 44 |
専門的能力 | 30 | 3 | 30 | 3 | 10 | 76 |