|
授業科目名
|
担当教官
|
|||||
|
パターン認識
(本年度非開講) |
服部 元信
|
|||||
|
時間割番号
|
単位数
|
コース
|
履修年次
|
期別
|
曜日
|
時限
|
| 263640 | 2 | G | 2 | 後期 | 月 | III |
| ［概要と目標］ | ||||||
| 人間をはじめとする諸動物は，外界から得た様々な情報を基にして，外界の様相を知覚，認識している．パターン認識とは，生物のもつこうした情報処理機能を機械化しようとする技術であり，人工知能の中でも極めて重要な一分野である．本講義では，パターン認識の基礎的な理論，手法を理解し，いくつかの代表的なパターン認識系をプログラミングによって構成できるようになることを目標とする | ||||||
| ［必要知識・準備］ | ||||||
| 基礎的な数学，プログラミングの知識が必要である．具体的には，基礎代数I,II,基礎解析I,II,基礎離散数学,基礎統計学I,II,プログラミングI,II,同演習を履修していることが望ましい． | ||||||
| ［評価基準］ | ||||||
| 定期試験，レポート（プログラミング課題）によって総合的に評価する． | ||||||
| ［教科書］ | ||||||
| ［参考書］ | ||||||
| ［講義項目］ | ||||||
| 1．パターン認識とは 2．学習と識別関数(1) 線形識別関数，パーセプトロン 3．学習と識別関数(2) 区分的線形識別関数 4．誤差評価に基づく学習(1) Widrow-Hoffの学習則 5．誤差評価に基づく学習(2) 誤差逆伝播法 6．パラメトリック識別系 7．識別関数の設計 8．特徴の評価(1) ベイズ誤り確率 9．特徴の評価(2) ベイズ誤り確率の推定法 10．特徴空間の変換(1) KL展開 11．特徴空間の変換(2) 線形判別法 12．部分空間法 13．学習アルゴリズムの一般化 14．最小二乗法による学習 |
||||||