到達目標
ディジタル制御および知的手法(人工ニューラルネットワーク,ディープラーニング)の理解,ならびに応用技術に関する知識の修得を目標とする.
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 | 最低限必要な到達レベル(可) |
連続時間制御システムの離散化について理解し,ディジタル制御の基礎を修得する.レポート,PBL課題成果物で評価する. | 連続時間システムを適切に離散化することができ,連続時間システムと離散時間システムの特性の違いを理解したうえで,応用することができる. | 連続時間システムを適切に離散化することができ,連続時間システムと離散時間システムの特性の違いを理解することができる. | 手順に従って,与えられた連続時間システムを離散化することができる |
制御工学で利用される知的手法(人工ニューラルネットワーク,ディープラーニング)の基礎および利用方法を修得する.PBL課題成果物で評価する. | 知的手法の特性を理解し,問題解決の手段として活用することができる. | 知的手法の特性を理解し,それらの応用について自学自習することができる. | 制御工学で利用されている知的手法の概要を理解することができる. |
知的手法を利用した簡単な制御システムを理解することができる.PBL課題成果物で評価する. | 簡単な制御システムの設計に関して,知的手法を活用することができる. | 制御工学を応用際に生じる主な問題点に対し,どの知的手法が適しているか判断することができる. | 知的手法と制御工学を関連付けることができる. |
学科の到達目標項目との関係
教育方法等
概要:
本講義では,知的手法による制御システムの設計方法について学ぶ.また,コンピュータを利用したシステムの制御(「ディジタル制御」)について学ぶ.
授業の進め方・方法:
講義およびAL形式で行う.単元ごとに講義を行い,それを踏まえてPBL課題に取り組んでいく.
注意点:
選択科目「システム制御論(5年)」が履修済みであることが望ましい.
なお,本講義は遠隔授業(オンデマンド)で行う場合もある.その場合は連絡するので必ず自学自習で対応すること.
授業の属性・履修上の区分
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
後期 |
3rdQ |
1週 |
ガイダンス,ディジタル制御(1) |
本講義について概説する.ディジタル制御システムの基礎について学ぶ.
|
2週 |
ディジタル制御(2) |
連続時間制御システムについて復習する.連続時間制御システムの離散化について学ぶ.
|
3週 |
ディジタル制御(3) |
z変換・パルス伝達関数について学ぶ.
|
4週 |
ディジタル制御(4) |
離散化制御システムの安定性および応答特性について学ぶ.
|
5週 |
ディジタル制御に関するPBL課題(1) |
ディジタル制御システムの設計に関するPBLを実施する.
|
6週 |
ディジタル制御に関するPBL課題(2) |
ディジタル制御システムの設計に関するPBLを実施する.
|
7週 |
人工ニューラルネットワーク(1) |
知的手法について概説する.人工ニューロン,活性化関数,損失関数について学ぶ.
|
8週 |
人工ニューラルネットワーク(2) |
階層型ニューラルネットワーク,誤差逆伝播法について学ぶ.
|
4thQ |
9週 |
人工ニューラルネットワークに関するPBL課題(1) |
人工ニューラルネットワークの応用に関するPBLを実施する.
|
10週 |
人工ニューラルネットワークに関するPBL課題(2) |
人工ニューラルネットワークの応用に関するPBLを実施する.
|
11週 |
ディープラーニング(1) |
ディープラーニングの基礎について学ぶ.
|
12週 |
ディープラーニング(2) |
ディープラーニングのプログラミングツールについて学ぶ.
|
13週 |
ディープラーニングに関するPBL課題(1) |
ディープラーニングの応用に関するPBLを実施する.
|
14週 |
ディープラーニングに関するPBL課題(2) |
ディープラーニングの応用に関するPBLを実施する.
|
15週 |
まとめ |
本講義のまとめを行う.
|
16週 |
|
|
評価割合
| PBL課題成果物 | レポート | 合計 |
総合評価割合 | 75 | 25 | 100 |
基礎的理解 | 20 | 25 | 45 |
応用力(実践・専門・融合) | 25 | 0 | 25 |
社会性(プレゼン・コミュニケーション・PBL) | 20 | 0 | 20 |
主体的・継続的学修意欲 | 10 | 0 | 10 |