2024年度/1AAA038001 (公大)

【火5】パターン認識 <前期>

様々なデータの中から所望の情報を取得するためには，データの特徴を「パターン」として捉え，その「パターン」をどのように解析・分類・処理するかが重要な基本的技術である．本講義ではその基本技術であるパターン認識について，基本的な理解を得るための各種処理方法についてその概要を学ぶ．

担当教員氏名

泉 正夫

科目ナンバリング

AAAAID32025-J1 (公大)

授業管轄部署

現代システム科学域

授業形態

講義

開講キャンパス

中百舌鳥

開講区分

週間授業

配当年次

3年 (公大)

注意: 配当年次は学部・学科によって異なる場合があるので、UNIPAで確認してください。

単位数

2単位 (公大)

注意: 実際の単位数は学部・学科によって異なる場合があるので、必ずUNIPAで確認してください。

到達目標

１．パターン認識が「特徴」を「学習」し「識別規則（識別関数）」に基づいて識別する構造を持つことを理解する． ２．線形識別の基本的な構造を理解し、のちに非線形識別へと発展させていくための基礎的な考え方を理解する。

各授業回の説明

授業	授業内容	事前・事後の学習内容
第1回	パターン認識とは何か	授業内容の復習を行う
第2回	学習と識別関数（最近傍決定則と線形識別関数）	授業内容の復習を行う
第3回	学習と識別関数（パーセプトロンの学習法）	授業内容の復習を行う
第4回	誤差評価に基づく学習（二乗誤差最小化）	授業内容の復習を行う
第5回	誤差評価に基づく学習（パーセプトロン、三層ニューラルネットワーク）	授業内容の復習を行う
第6回	識別部の設計（パラメータ推定、線形識別関数）	授業内容の復習を行う
第7回	識別部の設計（識別部の最適化）	授業内容の復習を行う
第8回	特徴の評価とベイズ誤り確率（ベイズ誤り確率の基礎）	授業内容の復習を行う
第9回	特徴の評価とベイズ誤り確率（最近傍決定則、推定法）	授業内容の復習を行う
第10回	特徴空間の変換（正規化、KL展開）	授業内容の復習を行う
第11回	特徴空間の変換（線形判別法）	授業内容の復習を行う
第12回	部分空間法	授業内容の復習を行う
第13回	学習アルゴリズムの一般化	授業内容の復習を行う
第14回	学習アルゴリズムとベイズ決定則（最小二乗法による学習）	授業内容の復習を行う
第15回	学習アルゴリズムとベイズ決定則（各種学習法）	授業内容の復習を行う
第16回	定期試験

成績評価方法

成績は小テスト2割＋定期試験8割で評価する．ただし定期試験を受験するには小テストを全回数の8割以上提出していることが必要である．合格（C判定）となるためには、(1) パターン認識が「特徴」を「学習」し「識別規則（識別関数）」に基づいて識別する構造を持つことを理解し、(2) 基本的な識別手法であるパーセプトロン、3層ニューラルネットワーク、ベイズ決定則について理解し、基本的で具体的な問題に適用できることが必要。

履修上の注意

小テストは毎回の講義中に実施するか，もしくは講義後に宿題としてMoodleに提出する形式で実施する．したがってMoodleは定期的に確認しておくことが必要である． 関連科目：人工知能A、人工知能B、機械学習

教科書

わかりやすいパターン認識　第2版，石井・上田・前田・村瀬著，オーム社（予定）

Loading...

参考文献

なし

オフィスアワー

- 外部公開シラバスのためデータがありません / Please use UNIPA syllabus -

教員への連絡方法（メールアドレス等）

- 外部公開シラバスのためデータがありません / Please use UNIPA syllabus -