教 授 要 目 |
| 情報科学科 | パターン認識 |
| Pattern Recognition | |
| 2 年 2 単位 学科で区分する選択指定科目 | |
| 担当教員 荒井秀一 | |
| 【 科目概要・到達目標 】 [科目概要] 人間は外界から得た様々な情報を基にして,外界の様相を知覚・認識している.パターン認識とはこうした情報処理機能を機械化しようとする技術であり,人工知能を初めとする知能情報処理分野の中で極めて重要な一分野である.また,画像認識,音声認識などのパターン認識技術は,人間-計算機間の高度インタフェース実現の観点からも重要性を増しつつある.本講義では,パターン認識技術の基礎をなす統計的パターン認識と学習について,基本的概念とそのアルゴリズムを解説していく. [到達目標] パターン認識に関する数学的な手順を含めた基礎知識を理解する.マルチメディア情報処理の基礎技術を理解する.統計的パターン認識と学習の基本的概念を理解する. [深く関連する学習教育目標] ()内はプログラム名称 F（コンピューティングとメディア工学） D（情報科学基盤） |
|
| 【 成績評価 】 計2回のレポートを30％，期末試験の点数を70％考慮し,6割以上の正答を合格とする. |
|
| 【 履修心得 】 デジタル信号処理,基礎確率統計を履修していること. |
|
| 【 授業計画 】 1. パターン認識とは -- パターン，カテゴリ，人間とパターン認識 2. パターン認識の基礎 -- 観測, 分析, 特徴抽出, プロトタイプと最近傍決定則 3. 統計的パターン認識の基礎 -- 学習と識別関数 4. 識別関数の設計(1) -- 最近傍決定則と線形識別関数 5. 識別関数の設計(2) -- パーセプトロン 6. 識別関数の設計(3) -- 区分識別関数とニューラルネット 7. 誤差評価に基づく学習(1) -- 評価関数，重みベクトルと最小解 8. 誤差評価に基づく学習(2) -- Widrow-Hoffの学習則 9. 誤差評価に基づく学習(3) -- 誤差逆伝播法 10. パラメトリックな学習とノンパラメトリックな学習 11. パラメトリックな学習法の基礎 -- ベイズ決定則 12. 識別関数の設計--尤度モデル化，最小誤り率識別 13. 特徴の評価 -- モデルパラメータの推定，最尤推定法 14. 期末試験 15. 試験結果の解説と学生自身による達成度評価 |
|
| 【 教科書 】 配布資料による |
|
| 【 参考書 】 |
|
| 【e-mail address】 オンライン版では非公開です。 |
|
| 【 学生へのメッセージ 】 音声・画像メディアの認識・学習に関する基礎技術を扱うので,音声処理,画像処理,人工知能に興味のある学生は是非受講してください.数学的解釈が難解かもしれませんが,分からない部分は積極的に質問してください. |
|
| 【 オフィスアワー 】 月曜,木曜５時限に質問に答える.ほかの時間についてはe-mailにて予めアポイントをとること. |
|
| | 目 次 | 科目一覧 | |