Course Objectives
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。
Rubric
| 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。 |
Assigned Department Objectives
Teaching Method
Outline:
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。
実務経験のある教員による授業科目:この科目は企業で画像認識の研究を行っていた教員の経験を活かし,ベイズ統計学などについて輪講形式で授業を行うものである。
Style:
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。
Notice:
(1)点数分配:定期試験100%とする。
(2)評価基準:60点以上を合格とする。
(3)再試:60点以上を合格(60点)とする。
(4)準備学習:特に担当箇所については,事前に予習を済ませて十分に理解して発表すること。
Characteristics of Class / Division in Learning
Course Plan
|
|
|
Theme |
Goals |
1st Semester |
1st Quarter |
1st |
パターン認識とは |
パターン認識の概要が理解できる
|
2nd |
学習と識別関数1 |
線形識別関数が理解できる
|
3rd |
学習と識別関数2 |
区分的線形識別関数が理解できる
|
4th |
誤差評価に基づく学習 |
誤差評価が理解できる
|
5th |
識別部の設計1 |
識別部の設計が理解できる
|
6th |
識別部の設計2 |
識別部の最適化が理解できる
|
7th |
特徴の評価とベイズ誤り確率1 |
ベイズ誤り確率が理解できる
|
8th |
特徴の評価とベイズ誤り確率2 |
ベイズ誤り確率の推定法が理解できる
|
2nd Quarter |
9th |
特徴空間の変換1 |
KL展開が理解できる
|
10th |
特徴空間の変換2 |
部分空間法が理解できる
|
11th |
部分空間法 |
クラスタリングが理解できる
|
12th |
学習アルゴリズムの一般化 |
学習アルゴリズムの一般化が理解できる
|
13th |
学習アルゴリズムとベイズ決定則1 |
最小二乗法が理解できる
|
14th |
学習アルゴリズムとベイズ決定則2 |
各種学習法が理解できる
|
15th |
復習 |
1週~14週の内容が理解できている
|
16th |
|
|
Evaluation Method and Weight (%)
| 試験 | 発表 | 相互評価 | 態度 | ポートフォリオ | その他 | Total |
Subtotal | 100 | 0 | 0 | 0 | 0 | 0 | 100 |
基礎的能力 | 20 | 0 | 0 | 0 | 0 | 0 | 20 |
専門的能力 | 80 | 0 | 0 | 0 | 0 | 0 | 80 |
分野横断的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |