シラバス情報

授業科目名
人工知覚情報工学講究
(英語名)
Advanced Researches on ArtificialIntelligence and Cognitive Science
科目区分
電気物性工学専攻/電子情報工学専攻
対象学生
工学研究科
学年
1年
ナンバリングコード
HETDA7MCA1
単位数
2単位
ナンバリングコードは授業科目を管理する部局、学科、教養専門の別を表します。詳細は右上の?から別途マニュアルをダウンロードしてご確認ください。
授業の形態
講義 (Lecture)
開講時期
2024年度後期
担当教員
上浦 尚武、日浦 慎作、森本 雅和、山添 大丈
所属
工学研究科
授業での使用言語
日本語
関連するSDGs目標
目標9
オフィスアワー・場所
上浦:木曜10:40〜12:10・6202研究室
(メールによる事前連絡が必要)
連絡先
kamiura@eng.u-hyogo.ac.jp(上浦)
morimoto@eng.u-hyogo.ac.jp(森本)
hiura@eng.u-hyogo.ac.jp(日浦)
yamazoe@eng.u-hyogo.ac.jp(山添)

対応するディプロマ・ポリシー(DP)・教職課程の学修目標
二重丸は最も関連するDP番号を、丸は関連するDPを示します。
学部DP
研究科DP
1◎/2◎/3〇
全学DP
教職課程の学修目標

講義目的・到達目標
【講義目的】
人間の知覚、情報の伝達、そして脳で行われている処理は非常に柔軟性があるが、最新科学によっても未解明な機能が多い。本講義では工学的かつ情報科学的な見地から人間の知覚情報処理能力について講述するとともに、その高機能知覚情報処理と計算機の高速大容量情報処理能力との融合を目指した様々な研究について紹介する。
【到達目標】
本講義の到達目標は、人間の有する柔軟性のある知覚情報処理能力、特に人間が行っている取り扱い方に適合するファジィによる推論処理、人間の知覚機能と関連する視覚情報工学、人間の持つ知覚理解を助ける可視化処理工学等における最新トピックについて理解を深めるとともに、1)それらによって得た知識を工学分野における様々な問題の解決に適用できること、2)問題解決案をレポートもしくはプレゼンテーションにおいて明瞭に表現できること、である。

授業のサブタイトル・キーワード
キーワード:ファジィ情報処理、コンピュテーショナル・イメージング技術、機械学習、人物行動解析
講義内容・授業計画
【講義内容】
現在、人工知能(AI)およびその関連技術は日進月歩で進歩し、人間の脳機能すら凌駕する究極のAI誕生の可能性も論じられるようになっている。究極AIの実現のためには、まず人間の知覚と脳の機能を詳細に理解する必要がある。ただし、柔軟性に優れた人間の知覚、情報の伝達、脳で行われている処理については最新科学によっても未解明な機能が多い。本講義では工学的かつ情報科学的な見地から人間の知覚情報処理能力について講述する。また、そのような知覚情報処理能力と計算機による高速大容量情報処理との融合を図った様々な研究について論じる。
以下のオムニバス方式で講義する。
(上浦尚武教授)ファジィ情報処理:人間の有する不確かさを情報として取り扱うファジィおよび多値論理における論理表現、論理設計、及び推論法を論じ、そのデータ処理への応用などについて論述する。
1. ファジィによる推論処理
2. さまざまな論理表現
3. 推論システムおよびデータ処理システム
また、信号処理に代表される複雑かつ大容量情報を高速に処理する技術・理論とその実践について、さらに、その画像のパターン分類などに代表される視覚情報処理への応用などについて論述する。
(日浦慎作教授)
特殊な光学系と、それにより得た画像に対する復号処理の組み合わせにより、撮影後のピント合わせ直しなど既存のカメラにない機能・特性をもつ画像獲得手法であるコンピュテーショナル・イメージング技術について講義する。
4. ライトフィールドの獲得によるリフォーカシング技術
5. 符号化撮像によるぶれ・ぼけの除去
6. 積分の不変量化によるぶれ・ぼけの除去
7. 特殊な光学系と深層学習技術の融合
(森本雅和准教授)カメラ等で撮影された画像から特定の物体を抽出し認識するための,画像信号処理技術と機械学習について論じ,画像からの物体検出手法,特徴量抽出手法,機械学習による画像認識手法などについて論述する.
8. 画像からの物体領域抽出
9. 画像のフィルタ処理と画像特徴量の抽出
10. 機械学習による画像認識
11. 深層学習による画像認識
(山添大丈准教授)カメラやセンサなどを用いて人の行動を計測し、感情・注意などの内部状態を推定する人物行動解析技術と、推定された内部状態に基づき人に適切に働きかけるインタラクション技術について講義する。
12. 顔・視線などの人の行動推定
13. 人の行動に基づく感情・注意などの内部状態推定
14. 人の知覚・感性の計測・評価
15. 人とコンピュータ・ロボットのインタラクション
 
生成系AIの利用:
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。
教科書
各担当教員より適宜指する
参考文献
各担当教員より適宜指する
事前・事後学習(予習・復習)の内容・時間の目安
【予習】授業に際して指するテキスト教材の部分を事前読み込み(20h),プレゼンテーションの準備(3回、15h)
【復習】レポート作成(5回、15h)、講義内容の理解を深め定着させるためにテキスト教材を読み直し(10h)
アクティブ・ラーニングの内容
採用しない
成績評価の基準・方法
レポート(30%)、プレゼンテーション(70%)を課す。100点満点で採点し、60点以上を合格とする。
課題・試験結果の開示方法
レポートは、ユニバーサルパスポートのクラスプロファイル機能を使って講評を返す。
プレゼンテーションは、プレゼンテーション内容について議論をする。
履修上の注意・履修要件
オムニバス形式なので、担当教員が変わることに注意すること。出席、受講態度も採点時に参考とするので、積極的に講義に参加するとともに、予習・復習を怠らないことを望む。

実践的教育
該当しない
備考
英語版と日本語版との間に内容の相違が生じた場合は、日本語版を優先するものとします。