学部後期課程
HOME 学部後期課程 知能機械情報学

知能機械情報学

実世界知能を構成するためには,ノイズや変動に満ちた膨大なセンサ信号から,信頼性よく認識,判断,記憶,学習などを行う仕組みが必要である.そのための手法の基礎について学ぶ.

In order to interact with the real world and behave intelligently, it is decisive to recognize, learn and use meaningful structures from complex, uncertain and massive information. This class will give you basic methods to effectively find meaningful structures and build intelligent systems.
MIMA Search
時間割/共通科目コード
コース名
教員
学期
時限
FEN-MX4d08L1
FEN-MX4d08L1
知能機械情報学
國吉 康夫
S1 S2
月曜2限
マイリストに追加
マイリストから削除
教室
工学部新2号館 工222号講義室
講義使用言語
日本語
単位
2
実務経験のある教員による授業科目
NO
他学部履修
開講所属
工学部
授業計画
1.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 ・強化学習とDeep Q Network 2.原田教授 ・決定木 ・集団学習,ブースティング ・線形サポートベクトルマシン ・オンライン学習  ・カーネル法 ・混合ガウス分布,EMアルゴリズム ・隠れマルコフモデル 1. Prof. Kuniyoshi - Associative memory neural networks for learning multivariate data - Self organizing neural networks for pattern symbolization - Time series neural networks for behavior symbolization - Reinforcement learning and deep Q network 2. Prof. Harada - Decision tree - Ensemble learning and boosting - Linear support vector machine - Online learning - Kernel method - Gaussian mixture model and EM algorithm - Hidden markov model
成績評価方法
出席(5割),レポート(5割) + 発言・プレゼン(+α)
教科書
・「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
参考書
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.
履修上の注意
基礎を固める(工学部共通)
その他
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