授業概要
|
|
パターン認識についての学力を基礎理論、ならびに最新の応用事例の紹介で習得する。 人間の脳ではパターンの特徴化と、入力に対する認識・理解に知能がついやされている。パターン認識は、コンピュータによる音声、自然言語、画像などの認識の基礎理論である。本講義では、このような人間の知的な処理をコンピュータで実現するためのパターン認識技術の基礎理論を習得し、実例を通じて応用を学ぶ。
|
|
|
到達すべき 目標
|
|
(1) パターン認識の目的と基礎理論を習得する。 (2) ニューラルネットワークの基礎、性質、ならびに最新の畳み込みニューラルネットワークを理解する。 (3) パターン認識技術の応用先やそれを実現する方法について習得する。
|
|
|
授業計画と 準備学習
|
|
1. 身近な画像処理、パターン認識技術の応用事例紹介 2. それを実現するための基礎理論の学習 3. 講義中に演習を行うことで理解を深める。
[講義] (1) パターン認識とは (2) 特徴量 (3) 特徴空間とクラス (4) 識別 (5) 識別関数 (6) 多クラス分類、教師あり学習と教師なし学習 (7) ニューラルネットワークとは。単純パーセプトロン (8) 3層ニューラルネットワーク(1) (9) 3層ニューラルネットワーク(2) (10) オートエンコーダー (11) 畳み込みニューラルネットワーク(1) (12) 畳み込みニューラルネットワーク(2) (13) 時系列情報の認識 (14) 認証 (15) 最新ニューラルネットワーク
なお、講義はオンライン、ならびに対面で行う。
|
|
|
授業の特色
|
|
|
|
学生のアク ティブ・ラー ニングを 促す取組
|
|
|
|
使用言語
|
|
|
|
TA,SA配置 予定
|
|
|
|
基盤的能力 専門的能力
|
|
|
|
授業時間外 の学習
|
|
|
|
成績評価の 方法
|
|
|
|
到達度評価 の観点
|
|
(1) パターン認識の基礎理論について中間の確認テスト、及び期末試験により評価する (2) ニューラルネットワークの基礎理論とその性質について期末試験により評価する。
|
|
|
テキスト
|
|
| |
No
|
書籍名
|
著者名
|
出版社
|
出版年
|
ISBN/ISSN
|
|
1.
|
『イラストで学ぶディープラーニング 改訂第2版』
|
山下隆義
|
講談社
|
2018
|
978-406513331-6
|
|
|
|
テキスト (詳細)
|
|
|
|
参考文献
|
|
|
|
参考文献 (詳細)
|
|
|
|
担当教員実 務経験内容 または実践 的教育内容
|
|
|
|
実践的授業 内容等
|
|
|
|
備考
|
|
担当教員との連絡等については,学務情報システムの中の「オフィスアワー」 という項目に掲載しています。
|
|