知能システム論

- 教師付き学習：回帰（最小二乗法，正則化，スパース化，ロバスト化）/Supervised learning: Regression (least-squares method, regularization, sparsification, robustification) - 教師付き学習：分類（最小二乗法， サポートベクトルマシン ，ロジスティック回帰，ブースティング）/Supervised learning: Classification (least-squares method, support vector machines, logistic regression, boosting) - 教師付き学習：深層学習（三層ニューラルネットワーク, 畳み込みニューラルネットワーク， 誤差逆伝播法) /Supervised learning: Deep learning (3-layer neural networks, convolutional neural networks, error backpropagation) - 教師なし学習：主成分分析，クラスタリング/Unsupervised learning: Principal component analysis, clustering - 教師なし学習：深層学習（自己符号化, 表現学習）/Unsupervised learning: Deep learning (autoencorders, representation learning) - 強化学習：動的計画法，方策反復，方策探索法/Reinforcement learning: Dynamic programming, policy iteration methods, policy search methods - 強化学習：モンテカルロ木探索，多腕バンディット /Reinforcement learning: Monte-Carlo tree search, multi-armed bandits - 知識表現：知識グラフ、オントロジー、記述論理、推論 /Knowledge representation: knowledge graph, ontology, description logic, reasoning - 探索：状態空間グラフ、最良優先探索、A*探索、ビームサーチ、制約充足問題、バックトラック探索 /Search: state-space graph, best-first search, A* search, beam search, constraint satisfaction problem, backtrack search - 系列ラベル付け1：隠れマルコフモデル、ビタビアルゴリズム /Sequence labeling 1: hidden Markov model, Viterbi algorithm - 系列ラベル付け2：前向き・後向きアルゴリズム、バウム・ウェルチアルゴリズム、条件付き確率場 /Sequence labeling 2: forward-backward algorithm, Baum-Welch algorithm, conditional random fields - 構文解析：確率文脈自由文法、ビタビアルゴリズム、内側・外側アルゴリズム /Parsing: probabilistic context-free grammar, Viterbi algorithm, inside-outside algorithm - グラフィカルモデル：ベイジアンネットワーク、マルコフ確率場、確率伝播法 /Graphical model: Bayesian network, Markov random fields, belief propagation - 構造的ニューラルネットワーク：リカレントニューラルネットワーク、エンコーダ・デコーダモデル、注意機構 /Structured neural networks: recurrent neural networks, encoder-decoder models, attention mechanism

講義を中心に進める / Mainly through lectures

レポートと試験による / By reports and exams

講義スライドを講義前に公開するので，事前に目を通しておくこと．また，教科書・参考書の該当部分を講義前に予習しておくことを勧める． / The lecture slides will be made available before the lecture, so please read through them beforehand. It is also recommended that the students study the relevant parts of the textbooks and reference books before the lecture.