概要:
ソフトコンピューティングの主要な方法論に関する基礎知識を身につけさせ，従来の工学的な手法との相違点を理解させる．脳の持つすぐれた情報処理能力の人工的な実現を目指し，パターン認識などに応用されるニューラルネットワーク，あいまいな知識を扱い，それに基づいた推論を行うファジィ理論，及び，生物の進化過程を模擬し、最適化問題を解く遺伝的なアルゴリズムを中心に講義する．また，各種法の応用例も概説する．
授業の進め方・方法:
授業の内容は，ソフトコンピューティングに関連する諸アルゴリズムの適用例を説明し，計算機を用いたプログラミング実習を行う．適宜，レポート課題を課す．
注意点:
この科目では，1単位あたり15時間の自学自習が求められます．
|
|
週 |
授業内容 |
週ごとの到達目標 |
| 前期 |
| 1stQ |
| 1週 |
ガイダンス，ソフトコンピューティングの歴史 |
ソフトコンピューティングに内包されるやわらかい情報処理やあいまい工学，感性工学などの新たな問題解決手法が提案された理由とそれらの従来の工学的な問題解決手法との相違点を理解できる．
|
| 2週 |
ソフトコンピューティングの考え方（１） |
知識をどのように処理するのかという点について，人間とコンピュータにおける実現方法を考え，理解できる．
|
| 3週 |
ソフトコンピューティングの考え方（２） |
知識をどのように処理するのかという点について，人間とコンピュータにおける実現方法を考え，理解できる．
|
| 4週 |
ニューロコンピューティングの概要（１） |
脳がどのように情報を処理しているかを考え，最小単位である神経細胞のモデルに関して，数学的表現と演算を理解できる．
|
| 5週 |
ニューロコンピューティングの概要（２） |
脳がどのように情報を処理しているかを考え，最小単位である神経細胞のモデルに関して，数学的表現と演算を理解できる．
|
| 6週 |
ニューロコンピューティングと学習アルゴリズム（１） |
脳の学習機能を人工ニューラルネットワークモデルの学習アルゴリズムとして模倣できることを理解できる．
|
| 7週 |
ニューロコンピューティングと学習アルゴリズム（２） |
脳の学習機能を人工ニューラルネットワークモデルの学習アルゴリズムとして模倣できることを理解できる．
|
| 8週 |
中間試験 |
|
| 2ndQ |
| 9週 |
ニューロコンピューティングと学習アルゴリズム（３） |
脳の学習機能を人工ニューラルネットワークモデルの学習アルゴリズムとして模倣できることを理解できる．
|
| 10週 |
ニューロコンピューティングと学習アルゴリズム（４） |
脳の学習機能を人工ニューラルネットワークモデルの学習アルゴリズムとして模倣できることを理解できる．
|
| 11週 |
ファジィ理論の基礎（１） |
境界が曖昧な集合について理解，数式によるあいまいさの表現とその演算ができる．
|
| 12週 |
ファジィ理論の基礎（２） |
境界が曖昧な集合について理解，数式によるあいまいさの表現とその演算ができる．
|
| 13週 |
ファジィ理論の基礎（３） |
ファジィルールによる自動制御が理解できる．
|
| 14週 |
ファジィ理論の基礎（４） |
ファジィルールによる自動制御が理解できる．
|
| 15週 |
ファジィ理論の基礎（５） |
ファジィルールによる自動制御が理解できる．
|
| 16週 |
答案返却 |
|
| 後期 |
| 3rdQ |
| 1週 |
ニューロコンピューティングとファジィ理論（１） |
ファジィ推論とニューラルネットワークの学習機能を融合させることの利点を理解できる．
|
| 2週 |
ニューロコンピューティングとファジィ理論（２） |
ファジィ推論とニューラルネットワークの学習機能を融合させることの利点を理解できる．
|
| 3週 |
遺伝的アルゴリズム（１） |
生物の進化を模倣したモデルとそのアルゴリズムを理解できる．遺伝的アルゴリズムによる環境適応戦略を最適化問題に適用することが理解できる．
|
| 4週 |
遺伝的アルゴリズム（２） |
生物の進化を模倣したモデルとそのアルゴリズムを理解できる．遺伝的アルゴリズムによる環境適応戦略を最適化問題に適用することが理解できる．
|
| 5週 |
遺伝的アルゴリズム（３） |
生物の進化を模倣したモデルとそのアルゴリズムを理解できる．遺伝的アルゴリズムによる環境適応戦略を最適化問題に適用することが理解できる．
|
| 6週 |
遺伝的アルゴリズム（４） |
生物の進化を模倣したモデルとそのアルゴリズムを理解できる．遺伝的アルゴリズムによる環境適応戦略を最適化問題に適用することが理解できる．
|
| 7週 |
遺伝的アルゴリズム（５） |
生物の進化を模倣したモデルとそのアルゴリズムを理解できる．遺伝的アルゴリズムによる環境適応戦略を最適化問題に適用することが理解できる．
|
| 8週 |
中間試験 |
|
| 4thQ |
| 9週 |
ソフトコンピューティングの応用（１） |
各方法論の応用例が理解できる．
|
| 10週 |
ソフトコンピューティングの応用（２） |
各方法論の応用例が理解できる．
|
| 11週 |
ソフトコンピューティングの応用（３） |
各方法論の応用例が理解できる．
|
| 12週 |
ソフトコンピューティングの応用（４） |
各方法論の応用例が理解できる．
|
| 13週 |
ソフトコンピューティングの応用（５） |
各方法論の応用例が理解できる．
|
| 14週 |
ソフトコンピューティングの応用（６） |
各方法論の応用例が理解できる．
|
| 15週 |
ソフトコンピューティングの応用（７） |
各方法論の応用例が理解できる．
|
| 16週 |
答案返却 |
|
| 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 | プログラミング | 与えられた問題に対して、それを解決するためのソースプログラムを記述できる。 | 3 | |
| ソフトウェア生成に必要なツールを使い、ソースプログラムをロードモジュールに変換して実行できる。 | 2 | |
| 要求仕様に従って、標準的な手法により実行効率を考慮したプログラムを設計できる。 | 2 | |
| ソフトウェア | アルゴリズムの概念を説明できる。 | 3 | |
| 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 | |
| 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 | |
| 整列、探索など、基本的なアルゴリズムについて説明できる。 | 3 | |
| コンピュータ内部でデータを表現する方法(データ構造)にはバリエーションがあることを説明できる。 | 3 | |
| 同一の問題に対し、選択したデータ構造によってアルゴリズムが変化しうることを説明できる。 | 3 | |
| リスト構造、スタック、キュー、木構造などの基本的なデータ構造の概念と操作を説明できる。 | 2 | |
| ソフトウェアを中心としたシステム開発のプロセスを説明できる。 | 2 | |
| ソースプログラムを解析することにより、計算量等のさまざまな観点から評価できる。 | 2 | |
| 同じ問題を解決する複数のプログラムを計算量等の観点から比較できる。 | 2 | |