知能機械情報学

１．イントロダクション (担当：國吉教授，原田教授) ２．(担当：國吉教授) ・連想記憶のニューラルネットによる多次元データ学習 ・自己組織化ニューラルネットによるパターンの記号化 ・時系列学習ニューラルネットと行動情報の記号化 ・記号的グラフ構造による知識表現と学習 ３．(担当：原田教授) ・カーネル法 ・サポートベクトルマシン ・決定木 ・混合モデル・EMアルゴリズム ・ブースティング 1. Introduction: Prof. Kuniyoshi and Prof. Harada 2. First half: Prof. Kuniyoshi - Associative memory neural networks for learning multivariate data - Self organizing neural networks for pattern symbolization - Time series neural networks for behavior symbolization - Knowledge representation and learning by symbolic graphs 3. Last half: Prof. Harada - Kernel method - Support vector machine - Decision tree - Mixture models and EM algorithm - Boosting

出席（5割），レポート（5割） ＋　発言・プレゼン（＋α）

・「ロボットインテリジェンス」，浅田稔，國吉康夫，岩波書店，2006. ・「エージェントアプローチ人工知能」，Stuart Russell, Peter Norvig (原著), 古川 康一 (翻訳)，共立出版

監訳. パターン認識と機械学習 上・下 - ベイズ理論による統計的予測.

前提となる知識と項目：線形代数 確率論 プログラミング（C，C++，Python，matlabなど） Linear algebra Probability Programming language (e.g. c, c++, python and matlab) 応用先_分野と項目：知能ロボットシステム 実世界情報処理システム 画像認識 音声認識 データマイニング Intelligent robot system Real world information processing system Image recognition Speech recognition Data mining 事後履修：脳型情報処理機械論（大学院）,知能情報論（大学院） 事前履修：ロボットインテリジェンス,パターン情報学,数学１Ｂ