|
授業科目名
|
担当教員
|
|||||||||||||
|
人工知能特論
|
服部 元信／岩沼 宏治
|
|||||||||||||
|
時間割番号
|
単位数
|
コース
|
履修年次
|
期別
|
曜日
|
時限
|
||||||||
| 323321 | 2 | (未登録) | 1 | 後期 | 金 | I | ||||||||
| ［概要と目標］ | ||||||||||||||
| インターネットやWebの広範な普及により，我々の周りには大量の情報が溢れ，それに伴い，より使いやすいコンピュータに対する要求や人間の知的な作業の一部をコンピュータに代行させたいという要求が高まっている．こうした中で，人間の知能や知性の実現を目的とする人工知能技術への期待が益々高まっている．本講義では，近年，実社会における応用が顕著な人工知能技術について理解することを目標とする．講義の前半では，大規模離散データの学習やデータマイニング技術の基礎，人工知能技術を組み込んだ知的Webの先進的な事例について講義する．また後半では，記号処理的人工知能とは別の方向の知的コンピューティングとして，ニューラル・コンピューティングを取り上げ，ニューラルネットワークの基礎と，パターン認識，データマイニングなどへの応用について講義する． | ||||||||||||||
| [到達目標] | ||||||||||||||
| (1)離散データマイニングの基礎技術について理解する．<BR>(2)WEBインテリジェンスの事例について理解する．<BR>(3)ニューラル・コンピューティングの基礎について理解する．<BR>(4)ニューラル・コンピューティングの応用例について理解する． | ||||||||||||||
| ［必要知識・準備］ | ||||||||||||||
| 線形代数学，基礎解析，離散数学，ブール代数，アルゴリズムとデータ構造，情報理論，データベース理論 | ||||||||||||||
| ［評価基準］ | ||||||||||||||
|
||||||||||||||
| ［教科書］ | ||||||||||||||
| (未登録) | ||||||||||||||
| ［参考書］ | ||||||||||||||
| ［講義項目］ | ||||||||||||||
| 1. 離散データマイニング：古典的なバケット解析と多重系列データ解析<BR>2. 離散データマイニング：単一系列データの評価尺度の合理化：系列全体の頻度<BR>3. 離散データマイニング：単一系列データの評価尺度の知的化：情報量利得<BR>4. 離散データマイニング：単一系列データマイニングの高速化：緩和法その他<BR>5. WEBインテリジェンス： 事例に基づくＨＴＭＬからＸＭＬへの半自動変換<BR>6. WEBインテリジェンス： 知的ブラウジング支援の実時間処理<BR>7. WEBインテリジェンス： 専門検索エンジンの半自動合成<BR>8. ニューラル・コンピューティング：脳の計算モデル<BR>9. ニューラル・コンピューティング：モデルとアーキテクチャ<BR>10. ニューラル・コンピューティング：階層型ニューラルネットワーク<BR>11. ニューラル・コンピューティング：相互結合型ニューラルネットワーク1<BR>12. ニューラル・コンピューティング：相互結合型ニューラルネットワーク2<BR>13. ニューラル・コンピューティング：競合学習型ニューラルネットワーク<BR>14. ニューラル・コンピューティング：データマイニング<BR>15. 全体の復習とまとめ | ||||||||||||||