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。
Style:
教科書に基づいて講義を行う。
Notice:
Course Plan
|
|
|
Theme |
Goals |
1st Semester |
1st Quarter |
1st |
パターン認識とは |
概要が理解できる
|
2nd |
学習と識別関数 |
学習と識別関数が理解できる
|
3rd |
誤差評価に基づく学習 |
誤差評価に基づく学習が理解できる
|
4th |
識別部の設計1 |
識別部の設計1が理解できる
|
5th |
識別部の設計2 |
識別部の設計2が理解できる
|
6th |
特徴の評価とベイズ誤り確率1 |
特徴の評価とベイズ誤り確率1が理解できる
|
7th |
特徴の評価とベイズ誤り確率2 |
特徴の評価とベイズ誤り確率2が理解できる
|
8th |
特徴空間の変換1 |
特徴空間の変換1が理解できる
|
2nd Quarter |
9th |
特徴空間の変換2 |
特徴空間の変換2が理解できる
|
10th |
部分空間法1 |
部分空間法1が理解できる
|
11th |
部分空間法2 |
部分空間法2が理解できる
|
12th |
学習アルゴリズムの一般化1 |
学習アルゴリズムの一般化1が理解できる
|
13th |
学習アルゴリズムの一般化2 |
学習アルゴリズムの一般化2が理解できる
|
14th |
学習アルゴリズムとベイズ決定則1 |
学習アルゴリズムとベイズ決定則1が理解できる
|
15th |
学習アルゴリズムとベイズ決定則2 |
学習アルゴリズムとベイズ決定則2が理解できる
|
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 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
専門的能力 | 100 | 0 | 0 | 0 | 0 | 0 | 100 |
分野横断的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |