到達目標
1.知的システムの問題解決プロセスを理解できる。(A4)
2.探索アルゴリズム(縦型・横型探索、ゲーム木探索)を説明できること。(A4)
3.ミニマックス法を説明でき、プログラムを作ることができること。(A4)
4.パターン認識の基本技法を説明できること。(A4)
5.パターン認識のプログラムを作ることができること。(A4)
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
(到達目標1) | 知的システムの問題解決プロセスを理解し、説明できる。 | 知的システムの問題解決プロセスをほとんど理解し、説明できる。 | 知的システムの問題解決プロセスを理解し、説明できない。 |
評価項目2
(到達目標2、3) | 探索アルゴリズムを説明でき、プログラムを作ることができる。 | 探索アルゴリズムを説明でき、だいたいのプログラムを作ることができる。 | 探索アルゴリズムを説明できない。プログラムを作ることができない。 |
評価項目3
(到達目標4、5) | パターン認識の基本技法を説明でき、プログラムを作ることができる。 | パターン認識の基本技法をほとんど説明でき、だいたいのプログラムを作ることができる。 | パターン認識の基本技法を説明できない。プログラムを作ることができない。 |
学科の到達目標項目との関係
教育方法等
概要:
知的システム設計の基盤となる探索の理論を学び、プログラミングにより理解を深め、その応用力を高める。また、パターン認識の基本的な手法を学び、プログラミングを通じて実践的にパターン認識技術について学ぶ。
授業の進め方・方法:
予備知識:データ構造とアルゴリズムに関する知識とプログラミング技術を備えていることが望ましい。また、実践力の向上に重点を置いているため、積極的にプロジェクトに取り組む姿勢が必要である。
講義室:電子制御A棟計算機工学演習室
授業形態:講義と演習
学生が用意するもの:特になし
参考書・補助教材:
注意点:
評価方法:試験(前期中間・前期定期)の平均点を50%、演習・課題を50%で評価し、60点以上を合格とする。
自己学習の指針:授業後の復習をしっかり行い,授業中に出題する演習問題を必ず自分で解くこと.また,試験前には,授業中に説明した例題,演習問題等の内容を理解できていること.授業時間と同じ程度の自主学習を行っておくこと。
オフィスアワー:水曜日、木曜日の16:00~17:00
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
前期 |
1stQ |
1週 |
知識工学概論 |
知的システムの問題解決プロセスを理解できる。
|
2週 |
縦型・横型探索 |
縦型・横型探索を理解し、プログラミングできる。
|
3週 |
ゲーム木 |
ゲーム木探索を理解し、アルゴリズムの特徴を評価できる。
|
4週 |
ミニマックス法の理論 |
ミニマックス法の特徴とアルゴリズムを理解できる。
|
5週 |
ミニマックス法の実践(1) |
対戦ゲームをミニマックス法に適用し、処理フローが設計できる。
|
6週 |
ミニマックス法の実践(2) |
ミニマックス法を実装できる。
|
7週 |
ミニマックス法の実践(3) |
対戦ゲーム用のミニマックス法をプログラミングできる。
|
8週 |
中間試験 |
|
2ndQ |
9週 |
パターン認識の基礎 |
パターン認識の構成、最近傍決定則、線形識別関数等を説明できる。
|
10週 |
パーセプトロン |
パーセプトロンについて説明できる。
|
11週 |
パーセプトロン |
パーセプトロンの学習を説明できる。
|
12週 |
誤差逆伝搬法 |
誤差逆伝搬法について説明できる。
|
13週 |
クラスタリング |
k平均クラスタリングのプログラムができる。
|
14週 |
パターン認識の実践(1) |
パターン認識技術の実装ができる。
|
15週 |
パターン認識の実践(2) |
パターン認識技術の実装ができる。
|
16週 |
定期試験 |
|
評価割合
| 試験 | 課題・演習 | その他 | 合計 |
総合評価割合 | 50 | 50 | 0 | 100 |
基礎的能力 | 0 | 0 | 0 | 0 |
専門的能力 | 50 | 50 | 0 | 100 |
分野横断的能力 | 0 | 0 | 0 | 0 |