|
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 | 集中 | (未登録) | (未登録) | ||||||||
| ［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データマイニングや精度保証型の高速近似計算の技術について講義する．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)離散データマイニングの先進的技術について理解する．<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：相関ルールの基礎その１： 頻出集合，アプリオリ原理<BR>2. 離散データマイニング：相関ルールの基礎その２： ボトムアップ型データマイニング<BR>3. 離散データマイニング：相関ルールの進んだ話題： トップダウン型マイニング<BR>4. 離散データマイニング：相関ルールの評価尺度： 統計学的尺度と支持度尺度<BR>5. 離散データマイニング：系列データマイニング： 多重系列データからの高速抽出<BR>6. 離散データマイニング：データストリームマイニングその１：オフライン型処理<BR>7. 離散データマイニング：データストリームマイニングその２：オンライン型近似計算<BR>8. ニューラル・コンピューティング：ニューロコンピューティングとは<BR>9. 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>10. 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>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2<BR>12. 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>13. ニューラル・コンピューティング：サボートベクターマシン<BR>14. ニューラル・コンピューティング：ディープラーニング<BR>15. 全体の復習とまとめ | ||||||||||||||