学部後期課程
過去（2019年度）の授業の情報です
学内のオンライン授業の情報漏洩防止のため，URLやアカウント、教室の記載は削除しております。
最終更新日：2024年4月22日
授業計画や教室は変更となる可能性があるため、必ずUTASで最新の情報を確認して下さい。
UTASにアクセスできない方は、担当教員または部局教務へお問い合わせ下さい。
最終更新日：2024年4月22日
授業計画や教室は変更となる可能性があるため、必ずUTASで最新の情報を確認して下さい。
UTASにアクセスできない方は、担当教員または部局教務へお問い合わせ下さい。
パターン情報学
知能の根元には，情報を介した主体と環境とのインタラクションがあり，人間を含めた実環境からのパターン情報を如何に要約し利用するかが柔軟な知能システム構築の鍵となる．
そのための基礎として，確率統計的手法や多変量解析手法などを用いた情報数理的な立場から，パターン情報処理の原理や仕組み，具体的な手法や応用について体系的に論じる．
数理的な手法の基礎教育に重点を置く．
An interaction between agent and environment via information is a base of intelligence. Therefore how to summarize and utilize information from the real environment is a key element in building robust intelligent systems. For this purpose, this class will introduce you to the elements and framework of pattern information processing and applications from the mathematical viewpoints by using probabilistic and statistical methods.
そのための基礎として，確率統計的手法や多変量解析手法などを用いた情報数理的な立場から，パターン情報処理の原理や仕組み，具体的な手法や応用について体系的に論じる．
数理的な手法の基礎教育に重点を置く．
An interaction between agent and environment via information is a base of intelligence. Therefore how to summarize and utilize information from the real environment is a key element in building robust intelligent systems. For this purpose, this class will introduce you to the elements and framework of pattern information processing and applications from the mathematical viewpoints by using probabilistic and statistical methods.
時間割／共通科目コード
コース名
教員
学期
時限
FEN-MX3d02L1
FEN-MX3d02L1
パターン情報学
原田 達也
水曜2限
マイリストに追加
マイリストから削除
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
可
開講所属
工学部
授業計画
1. パターン認識とは
2. 数学的基礎，線形代数，確率・統計
3. ノンパラメトリックな識別法
4. パラメトリックな識別則
5. 識別部の設計
6. 特徴空間の変換
1. Introduction
2. Mathematical basics, probability and statistics
3. Nonparametric classification
4. Parametric classification
5. Design of classifiers
6. Feature extraction and feature space
成績評価方法
筆記試験：50 %，出席：20%，レポート：30%
Paper test: 50 %, Attendance: 20 %, Reports: 30 %
教科書
Pattern Recognition and Machine Learning (Information Science and Statistics), by Christopher M. Bishop, Springer, 2006. Pattern Classification (2nd Edition), by Richard O. Duda, Peter E. Hart and David G. Stork, Wiley-Interscience, 2000.
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・統計の初歩
Linear algebra, probability and statistics
応用先_分野と項目：データ解析，
画像や音声などのパターン認識，ロボットの知能，
学習・適応システム，
知的インタフェース
Data analysis
Image and speech recognition
Robot intelligence
Learning and adaptive system
Intelligent interface
