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．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，本講義では座学を遠隔授業（オンデマンド）で行う場合もあるが，PBL課題は対面で行う．座学を遠隔授業（オンデマンド）で行う場合は，連絡するので必ず自学自習で対応すること．
本講義の受講にあたっては，「制御工学（4年）」で利用した教科書および資料を持参すること．
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理解できる．
|
| 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理解できる．
|
| 3週 |
ディジタル制御（3） |
z変換・パルス伝達関数について理解できる．
|
| 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理解できる．
|
| 5週 |
ディジタル制御に関するPBL課題（1） |
実システムのディジタル制御に関するPBLを実施し，ディジタル制御システムの解析・設計技術について理解する．
|
| 6週 |
ディジタル制御に関するPBL課題（2） |
実システムのディジタル制御に関するPBLを実施し，ディジタル制御システムの解析・設計技術について理解する．
|
| 7週 |
ディジタル制御に関するPBL課題（3） |
実システムのディジタル制御に関するPBLを実施し，ディジタル制御システムの解析・設計技術について理解する．
|
| 8週 |
ディジタル制御に関するPBL課題（4） |
実システムのディジタル制御に関するPBLを実施し，ディジタル制御システムの解析・設計技術について理解する．
|
| 4thQ |
| 9週 |
人工ニューラルネットワーク |
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，階層型ニューラルネットワーク，誤差逆伝播法について理解できる．
|
| 10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を用いた実システムのディジタル制御に関するPBLを実施し，知能制御機械システムの設計について理解する．
|
| 11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を用いた実システムのディジタル制御に関するPBLを実施し，知能制御機械システムの設計について理解する．
|
| 12週 |
人工ニューラルネットワークに関するPBL課題（3） |
人工ニューラルネットワークを用いた実システムのディジタル制御に関するPBLを実施し，知能制御機械システムの設計について理解する．
|
| 13週 |
ディープラーニング |
ディープラーニングの基礎について概説する．畳み込みニューラルネットワーク，リカレントニューラルネットワーク，オートエンコーダ，敵対的生成ネットワークのアーキテクチャについて理解する．
|
| 14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による分類問題に関するPBLを実施し，畳み込みニューラルネットワークの設計について理解する．
|
| 15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による分類問題に関するPBLを実施し，畳み込みニューラルネットワークの設計について理解する．
|
| 16週 |
期末試験は実施しない． |
|
評価割合
| PBL課題成果物 | 合計 |
| 総合評価割合 | 100 | 100 |
| 基礎的理解 | 30 | 30 |
| 応用力（実践・専門・融合） | 30 | 30 |
| 社会性（プレゼン・コミュニケーション・PBL） | 20 | 20 |
| 主体的・継続的学修意欲 | 20 | 20 |