[前へ戻る]
   

 授業科目
 Course Title
ニューロコンピューティング特論
Special Topics of Neurocomputing
 担当者
 Instructor
教授   田中 賢  後学期 水曜日2時限
 単 位
 Credit
2

到達目標 Target to be Reached
一般にアルゴリズムとは潜在的に無限通りの入力に対して出力を得る手順である。学習とはアルゴリズムが未知の問題に対して、有限個の入出力の組からアルゴリズムを同定することである。学習には、入出力の組からアルゴリズムを生成するアルゴリズムが必要である。本講義では、まずそのような視点からの問題の捉え方を身につける。学習アルゴリズムの例としてニューラルネットワークモデルを取り上げ、コンピュータの学習の問題とその実現法、課題などについて知る。
 
授業内容 Course Content
認識、学習、理解といったヒトの持つ高度な知的能力は、脳における大規模な並列計算により実現されている。ニューラルネットワークは、脳に関する生理学的知見を手掛かりとしながら知的能力、とりわけ学習能力をコンピュータ上に実現しようとする並列計算モデルの1つである。この講義では、代表的なニューラルネットワークモデルを紹介し、その計算能力や学習能力、応用例などについて述べる。また、パーセプトロンモデルを発展させた新たな学習モデルであるサポートベクタマシンについて、データマイニングにおける適用法にふれながら紹介する。その際、他のデーマイニング手法についても概略を述べる。
 
授業計画 Course Planning
1.ニューラルネットワークの歴史
2.階層型ニューラルネットワーク
3.デルタルールによる学習
4.パーセプトロン
5.ADALINE
6.バックプロパゲーション
7.一般化デルタルールと最急降下法
8.再帰型ニューラルネットワーク
9.ホップフィールドネットワークと最適化問題
10.ボルツマンマシン、自己組織化ネットワーク
11.ART、コグニトロン、ネオコグニトロン
12.サポートベクタマシンと学習
13.カーネル
14.データマイニングと機械学習
15.深層学習

 
授業運営 Course Management
講義を中心に英文輪講と口頭試問を交えた授業を行う。内容の理解を進めるために、いくつかの課題を与えレポート提出を求める。
 
評価方法 Evaluation Method
口頭試問のやりとりの結果とレポートにもとづいて評価する。出席回数が2/3に満たない学生には単位を与えない。
 
オフィスアワー Office Hour (s)
講義の中で質問時間をもうける。個別の質問や相談の方法については初回の講義で通知する。
 
使用書 Textbook (s)
開講時に示す。

 
 
 
[前へ戻る]