授業科目

知能システム論
Intelligent Systems

担当者

教授   斉藤 和巳
後 木3

単位

2

到達目標

知能の基本特性としての学習機能と言語機能を機械で実現するための基本的なアイデアを知り、それらのアルゴリズムを理解することを目標とする。

授業内容

機械学習と自然言語処理の基本的な考え方と手法を学ぶ。機械学習の方法は多岐にわたるが、本講義では代表的な方法としてニューラルネットと進化計算についてアイデアとアルゴリズムを示す。自然言語処理は日本語を対象として形態素解析、構文解析,意味解析などの基本技術の概要とウェブ上の言語情報処理などにつながる新しいトピックを紹介する。機械学習の方法が自然言語処理やその他の問題に様々な局面で利用されていることを理解する。

授業計画

授業計画は下の通りであるが、進行具合によって配分を調整することもある。授業で用いるスライドのプリントやその他の説明資料を事前に配布する。予習として、それらの説明資料に目を通しておくこと (2時間)。授業の終りに小テストを行い、その解答例をdotCampusにアップロードするので、それを中心に復習すること (2時間)。
01. 刺激応答エージェント
02. パーセプトロン (1) 勾配降下法
03. パーセプトロン (2) 学習則
04. 階層型ニューラルネット
05. 遺伝的アルゴリズム
06. 遺伝的プログラミング
07. 自己組織化マップ
08. 自然言語処理の概要
09. 形態素解析
10. 構文解析 (1) 文脈自由文法
11. 構文解析 (2) 依存文法
12. 意味解析 (1) 意味表現
13. 意味解析 (2) 曖昧性解消
14. 知識表現

授業運営

講義中心であるが、必要に応じてプログラミングを行う。また、講義内容は基本的な概念を説明するものであるが、関連した新しいトピックについて適宜紹介する。毎回の授業の終りに小テストを実施、あるいは宿題として与えるので、それにより理解度を確認する。

評価方法

小テスト40%、定期試験または臨時試験60%として評価する。

オフィスアワー

木曜日4時間目2-219、さらに時間が合えばいつでも可能。また、Eメールでも受け付ける。

参考書

C.M. ビショップ『パターン認識と機械学習 (上・下) - ベイズ理論による統計的予測』[丸善出版]2012

Copyright© 2017 Kanagawa University. All Rights Reserved.