計算機工学

科目基礎情報

学校 鈴鹿工業高等専門学校 開講年度 平成30年度 (2018年度)
授業科目 計算機工学
科目番号 0091 科目区分 専門 / 必修
授業形態 授業 単位の種別と単位数 履修単位: 2
開設学科 電子情報工学科 対象学年 5
開設期 通年 週時間数 2
教科書/教材 参考書:「パターン認識と機械学習 上,下」C.M. Bishop (丸善出版)
担当教員 青山 俊弘

到達目標

回帰や認識といった問題に対し,分析法,クラスタリング法,線形基底関数モデルによる回帰,線形識別モデルや階層型ニューラルネットワークなどの学習機械について理解し,それらの特性や導出過程を理解した上で,実データに対して適応できる.

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回帰問題を解くための方法を理解し,各種方法を使うことができる.回帰問題を解くための方法を理解している.回帰問題を解くための方法を理解していない.
評価項目2分類問題を解くための方法を理解し,各種方法を使うことができる.分類問題を解くための方法を理解している.分類問題を解くための方法を理解していない.

学科の到達目標項目との関係

教育方法等

概要:
学習機械を用いた回帰やパターン認識は現在のデータ処理,データ解析において必須のものである.音声認識分野,画像処理分野,自然言語処理,バイオインフォマティクスなど多岐にわたり応用されている.本授業では,回帰と認識についてさまざまな方法論について,理論的背景から応用例まで紹介する.
授業の進め方と授業内容・方法:
各週の内容は,学習・教育到達目標(B)<基礎>およびJABEE基準1(2)(c)に対応する。
注意点:
<到達目標の評価方法と基準>
 授業計画の「達成目標」1~12を網羅した問題を2回の中間試験、2回の定期試験および演習に対するレポートで出題し、目標の達成度を評価する。達成度評価における各「知識・能力」の重みは概ね均等とする。合計点の60%の得点で、目標の達成を確認できるレベルの試験を課す.
<学業成績の評価方法および評価基準>
前期中間、前期末、後期中間、学年末の4回の試験の平均を80%,レポートを20%で評価する。再試験は行わない。
<単位修得要件>
学業成績で60点以上を取得すること.
<自己学習>授業で保証する学習時間と、予習・復習(中間試験,定期試験のための学習も含む)に必要な標準的な学習時間の総計が、90時間に相当する学習内容である。
<あらかじめ要求される基礎知識の範囲>
情報理論Ⅰ,応用数学I,応用数学IIと関連が深い.

授業計画

授業内容・方法 週ごとの到達目標
前期
1週 イントロダクション 統計的機械学習についての概略を知る
2週 ベイズ理論 2. ベイズの定理を用いて事後確率を計算できる
3週 グラフィカルモデル,ベイジアンネットワーク 3. グラフィカルモデルにより確率変数間の関係を記述でき,簡単なベイジアンネットワークの確率計算ができる
4週 最小二乗法によるカーブフィッティング 4. 線形基底関数モデルにより回帰問題を解くための手法を理解し、必要な式の導出ができる
5週 ガウス分布 5. ガウス分布について理解する
6週 線形基底関数モデルによる回帰 4. 線形基底関数モデルにより回帰問題を解くための手法を理解し、必要な式の導出ができる
7週 実習1 上記4
8週 中間試験 ここまでに学習した内容を説明し、必要な式の導出ができる
9週 MAP推定とベイズ推定 上記4
10週 多次元ガウス分布 上記5
11週 決定理論 6. 認識問題を解くためのさまざまな手法について理解する
12週 フィッシャーの判別、パーセプトロン 上記6
13週 確率的生成モデル、確率的識別モデル、ロジスティック回帰 上記6
14週 実習2 上記6
15週 最適化問題(最急降下法、ニュートン法) 7. 誤差関数を逐次法によって最小化するための手法を理解する
16週
後期
1週 ニューラルネットワーク(誤差逆伝搬法) 8. 階層型ニューラルネットワーク、誤差逆伝搬法、ディープラーニングで用いられる手法について理解する
2週 ニューラルネットワークの応用と評価 9. モデルパラメータの求め方、モデルの評価方法について理解する
3週 実習3 上記8,9
4週 ディープラーニング技術1 上記8,9
5週 ディープラーニング技術2 上記8,9
6週 実習4 上記8,9
7週 サポートベクトルマシン1 10. SVM, カーネルマシンの特性について理解している
8週 中間試験 ここまでに学習した内容を説明し、必要な式の導出ができる
9週 サポートベクトルマシン2 上記10
10週 実習5 上記10
11週 k-meansと混合ガウス分布 11. さまざまなクラスタリング手法について理解する
12週 主成分分析 上記11
13週 実習6 上記11
14週 HMM 12. 隠れマルコフモデルについて理解する
15週 実習7 上記12
16週

評価割合

試験レポート合計
総合評価割合8020100
配点8020100