知能機械情報学 - 工学部 - 東京大学授業カタログ

知能機械情報学

知能機械情報学／ Intelligence and Mechano-Informatics

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

授業計画

１．國吉教授・連想記憶ニューラルネット・自己組織化ニューラルネット・時系列学習ニューラルネット・深層強化学習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・カーネル法・ガウス過程回帰・混合ガウス分布，EMアルゴリズム・近似推論 1. Prof. Kuniyoshi - Associative memory neural networks - Self organizing neural networks - Time series learning neural networks - Deep reinforcement learning 2. Prof. Harada - Decision tree - Ensemble learning and boosting - Linear support vector machine - Gaussian process regression - Kernel method - Gaussian mixture model and EM algorithm - Approximate inference

授業の方法

講義、レポート課題

成績評価方法

出席（5割），レポート（5割）＋　発言・プレゼン（＋α）

履修上の注意

先行履修：「ロボットインテリジェンス」「パターン情報学」

その他

＜前提となる知識・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・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 ＜備考＞ 2024/4/7（月） 10:25に初回オンライン開講する．