シラバス参照

印刷
講義名 パターン認識と機械学習
代表ナンバリングコード BII3HS009C
講義開講時期 前期 講義区分 講義
基準単位数 2
受講定員の有無 なし
授業公開 科目等履修・聴講
履修年次 ３・４年次
2024年度カリキュラム　ナンバリング

担当教員
氏名
◎ 河合　宏紀

到達目標 本講義で、パターン認識の考え方とそれを実現するための手順や方法を深く理解したことを確認するため、以下の2点を到達目標にする。
(1) 人が五感で行っているようなパターン認識を機械で実現する仕組みや考え方について説明できる。
(2) パターン認識のさまざまな識別規則および学習法について説明できる。
授業概要 パターン認識とは、対象となるデータの中から既知のパターンを取り出す処理で、発話された音声データから言語音を取り出したり、文字を含む画像から文字情報を取り出したりする際に使われる。人はこれを五感をもちいて行っている。目でものを見る場合、人は網膜に投影された像そのものをもちいて何かを判断しているわけではない。まず何かを判断するために有効な特徴を抽出する段階があり、この有効な特徴と何かを結びつける規則をわれわれは学習している。そして、学習した規則を使って何かを判断する識別をしているのである。この識別規則の学習がパターン認識の成否を決める鍵であり、本講義ではこの識別規則および学習法を分類し、それらの概要や手順について学ぶ。
授業計画
回授業内容
第1回パターン認識の流れと特徴ベクトル空間
第2回識別規則と学習法の分類
第3回汎化能力の推定(ホールドアウト法など)
第4回汎化能力の推定(ブートストラップ法など)
第5回過学習とモデル選択
第6回ベイズの識別規則の定義
第7回第1回～第6回までの授業内容の復習と課題の実施
第8回ベイズの識別規則の例
第9回最小損失基準に基づくベイズの識別規則
第10回観測データの標準化と無相関化
第11回正規分布とマハラノビス距離
第12回最近傍法とkNN法
第13回第8回～第12回までの授業内容の復習と課題の実施
第14回kNN法の計算量の低減法
第15回本授業内容の総まとめと小テスト実施
準備学習（予習・復習等）の内容とそれに必要な時間 （毎回の授業前に行うべき予習）
テキストを読んでおくこと。（0.5時間）
関連資料を読んだり、関連情報を調べたりしておくこと。（1.5時間）

（毎回の授業終了後に行うべき復習）
授業で講じた範囲をもう一度読んでおくこと。（0.5時間）
授業で学んだ内容に関して関連情報を調べ、人とのディスカッションも交えて自分なりに考察しておくこと。（1.5時間）
評価方法（割合） 期末試験（70％）
課題レポート（30％）
課題（試験やレポート等）に対するフィードバックの方法 授業中の質問やレポートを踏まえて学生の理解度を確認しつつ、還元すべき事項については次回の授業中に説明する。
テキスト 【書名】はじめてのパターン認識
【著者】平井有三
【出版社】森北出版
【出版年】2012
参考書・参考資料等 参考書や参考資料等は適宜講義で提示する。　
メッセージ 能動的な学習を促すため、毎回の授業でグループディスカッションも活用した課題実施を行います。
教員との連絡方法 オフィスアワーを設けています。Tel/Mail等での連絡もしくは在室時に直接面談。
担当教員の実務経験 携帯電話の基盤ソフトウェア開発、クライアントサーバ型業務システムの開発
備考 講義中、特段の理由がない限り私語、飲食、着帽、無断退室、携帯電話の操作を慎むこと。
他科目との関係性 【背景】本科目で学ぶ理論をよく理解するために、その実践技術である「機械学習システム」の履修が望ましい。
【関連】パターン認識の、画像により特化した理論や技術的側面については「画像情報処理」でも学ぶ。
卒業認定・学位授与方針との関連
◎特に関係性が深い、○関係性が深い
関連性
情報学実践の基盤となる堅固な基礎学力、基礎技術力を持つ
地域の現実のデータを収集・分析し、地域社会の持続と発展のためのシナリオ作成と評価ができる
情報システムやアプリケーションの開発等により、地域社会を支える情報基盤を構築できる
人工知能技術やエンタテインメント技術を用いて、地域社会を豊かにできる
◎
情報学の知見や技術を応用・活用して、公共経営、企業経営、交流観光、医療福祉、防災等のまちづくりに貢献できる
○
評価基準
列1
秀
パターン認識を機械で実現する仕組みや考え方、パターン認識のさまざまな識別規則および学習法について、全体を人に詳しく分かりやすく説明でき、また様々な応用課題に対しても解決ができる。
優
パターン認識を機械で実現する仕組みや考え方、パターン認識のさまざまな識別規則および学習法について、全体を人に詳しく分かりやすく説明できる。
良
パターン認識を機械で実現する仕組みや考え方、パターン認識のさまざまな識別規則および学習法について、ほぼ全体をまとめ報告できる。
可
パターン認識を機械で実現する仕組みや考え方、パターン認識のさまざまな識別規則および学習法について、部分的にまとめ報告できる。
不可
上記の基準に達していない。
放棄
講義に3分の2以上出席していない。