知能工学

Intelligence Engineering

ー

工学研究科

工学研究科

1年

HETMN5MCA1

2単位

講義 (Lecture)

2024年度前期

(Spring semester)

礒川 悌次郎

工学研究科
電子情報工学専攻

日本語

目標9

金曜 10:40〜12:10 6204室（事前の連絡が望ましい）

isokawa@eng.u-hyogo.ac.jp

ー

1◎／2〇／3〇

ー

ー

講義目的：計算知能を実現する各種計算手法の原理を習得し，これらの計算手法による各種応用システム（画像処理，パターン認識，制御システムなど）の知見を得ることが目的である．

到達目標：自然界が実現している知能計算および学習，記憶，パターン認識などの情報処理を遂行する知能システムについて，これらの中心的役割を果たす確率・統計手法や情報量基準の説明ができること．

サブタイトル：計算に基づく知能システムを学ぶ
キーワード：計算知能，最尤推定，勾配法，クラスタリング，ニューラルネットワーク，イジング機械

講義内容：より良い知能システムとはより良く推定学習を行いうるシステムであるとの立場で，確率・統計的情報処理手法を中心とした計算手法を講義する．

授業計画：
１．　計算知能について・自然界に学ぶ情報処理
２．　脳の情報処理と統計科学
３．　学習理論
４．　勾配法に基づく学習アルゴリズム(1)
５．　勾配法に基づく学習アルゴリズム(2)
６．　最尤推定に基づく学習アルゴリズム(1)
７．　最尤推定に基づく学習アルゴリズム(2)
８．　最尤推定に基づく学習アルゴリズム(3)
９．　クラスタリングアルゴリズムの基礎(k-means法)
１０．クラスタリングアルゴリズム(t-SNE法，U-MAP法)
１１．再帰型ニューラルネットワークの学習アルゴリズム
１２．再帰型ニューラルネットワークの応用
１３．イジング機械の基礎
１４．イジング機械と最適化問題への応用
１５．まとめ

生成系AIの利用については教員の指示に従うこと．生成系AIによる出力結果をそのまま課題レポートとして提出してはいけない．生成系AIによる出力をそのまま提出したことが判明した場合は単位を認定しない，又は認定を取り消すことがある．

適宜資料を配付する．

【予習】授業に際して配布資料の事前読み込み（合計１５時間）
【復習】レポート作成（合計３０時間），講義内容の理解を深め定着させるために配付資料の読み直し（合計１５時間）

実施しない

成績評価の基準：講義目的・到達目標に記載する能力の到達度に基づき，S（90点以上），Ａ（80 点以上），B（70 点以上），C（60 点以上）による成績評価の上で単位を付与する．
成績評価の方法：最終レポート（第14回目までに課題提示）に基づき成績評価を行う．

授業評価アンケートの教員コメント欄に提出レポートに関する講評をあわせて記載する．

該当しない