パターン認識

科目基礎情報

学校 久留米工業高等専門学校 開講年度 2018
授業科目 パターン認識
科目番号 7S13 科目区分 専門 / 選択
授業形態 講義 単位の種別と単位数 学修単位: 2
開設学科 機械・電気システム工学専攻(制御情報工学コース) 対象学年 専2
開設期 前期 週時間数 2
教科書/教材 続・わかりやすいパターン認識,石井他著,オーム社
担当教員 松島 宏典

到達目標

1.特徴抽出部に関して説明できる。
2.識別部に関して説明できる。
3.ベイズ決定則について説明できる。

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特徴抽出部に関して容易に説明できる。特徴抽出部に関して説明できる。特徴抽出部に関して説明できない。
評価項目2識別部に関して容易に説明できる。識別部に関して説明できる。識別部に関して説明できない。
評価項目3ベイズ決定則について容易に説明できる。ベイズ決定則について説明できる。ベイズ決定則について説明できない。

学科の到達目標項目との関係

JABEE C-1 説明 閉じる

教育方法等

概要:
コンピュータを用いたパターン認識について,基礎となる概念,原理,および応用的技術の習得を目的とする。
授業の進め方・方法:
輪講形式に基づいて講義を行う。担当箇所は十分に理解して発表すること。また,講義中は積極的に質問すること。
注意点:
点数分配:定期試験100%とする。
評価基準:60点以上を合格とする。
再試:再試を行う。

授業計画

授業内容 週ごとの到達目標
前期
1stQ
1週 ベイズ統計学 ベイズ統計学が理解できる
2週 事前確率と事後確率 事前確率と事後確率が理解できる
3週 ベイズ決定則 ベイズ決定則が理解できる
4週 パラメータ推定 パラメータ推定が理解できる
5週 教師付き学習と教師なし学習 教師付き学習と教師なし学習が理解できる
6週 EMアルゴリズム EMアルゴリズムが理解できる
7週 マルコフモデル マルコフモデルが理解できる
8週 復習 1週~7週の内容が理解できている
2ndQ
9週 隠れマルコフモデル 隠れマルコフモデルが理解できる
10週 混合分布のパラメータ推定 混合分布のパラメータ推定が理解できる
11週 クラスタリング クラスタリングが理解できる
12週 ノンパラメトリックベイズモデル ノンパラメトリックベイズモデルが理解できる
13週 ディリクレ過程混合モデルによるクラスタリング ディリクレ過程混合モデルによるクラスタリングが理解できる
14週 共クラスタリング 共クラスタリングが理解できる
15週 復習 9週~14週の内容が理解できている
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
専門的能力分野別の専門工学情報系分野ソフトウェアアルゴリズムの概念を説明できる。3前1,前2,前3,前4,前5,前6,前7,前8,前9,前10,前11,前12,前13,前14,前15
与えられたアルゴリズムが問題を解決していく過程を説明できる。3前1,前2,前3,前4,前5,前6,前7,前8,前9,前10,前11,前12,前13,前14,前15
同一の問題に対し、それを解決できる複数のアルゴリズムが存在しうることを説明できる。3前1,前2,前3,前4,前5,前6,前7,前8,前9,前10,前11,前12,前13,前14,前15

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10000000100
基礎的能力0000000
専門的能力10000000100
分野横断的能力0000000