| 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 | パターンを認識するための特徴空間を理解し,判別関数を用いた線形分類システムの判別方法を説明でき,判別関数を求めることができる。 | パターンを認識するための特徴空間を理解し,判別関数を用いた線形分類システムの判別方法を説明できる。 | パターンを認識するための特徴空間を理解し,判別関数を用いた線形分類システムの判別方法を説明できない。 |
評価項目2 | 基本ニューロンの出力式を正確に記述することでき,単層パーセプトロンの動作原理およびそれを用いたパターン認識ついて説明することができる。 | 基本ニューロンの出力式を正確に記述することでき,単層パーセプトロンの動作原理を説明することができる。 | 基本ニューロンの出力式を正確に記述することでき,単層パーセプトロンの動作原理を説明することができない。 |
評価項目3 | 多層パーセプトロンの構造を説明でき,その学習法である誤差逆伝搬学習法を理解し,式の導出ができる。また,分類器としての多層パーセプトロンについて理解し,XOR問題を識別する原理について説明できる。 | 多層パーセプトロンの構造を説明でき,その学習法である誤差逆伝搬学習法を理解し,式の導出ができる。 | 多層パーセプトロンの構造を説明でき,その学習法である誤差逆伝搬学習法を理解し,式の導出ができない。 |
評価項目4 | | コホーネン自己組織化ネットワークの構造,位相保持マッピング,教師なし学習について説明することができる。 | 自己組織化ネットワークの構造,位相保持マッピング,教師なし学習について説明することができない。 |
評価項目5 | | ホップフィールドネットワークの構造について,その特徴を3つ以上説明することができる。また,連想記憶において,エネルギー曲線のどの場所に記憶されているか説明することができ,ホップフィールドネットワークの動作について直感的な説明ができる。 | ホップフィールドネットワークの構造について,その特徴を3つ以上説明することができる。また,連想記憶において,エネルギー曲線のどの場所に記憶されているか説明することができ,ホップフィールドネットワークの動作について直感的な説明ができない。 |