| 授業の目標と概要 |
| 知識工学Ⅰでは，直感的なコンピュータ自動認識の限界を課題演習を通して体得した。また，確率・統計に基づく認 |
| 識理論が有効であることも学んだ。本講義では，こららパタン認識理論の基礎について学び，知識工学Ⅰで実施した |
| 演習内容をまとめる。 |
|
| カリキュラムにおける位置づけ |
| 知識工学Ⅰで行った演習から，パタン認識理論のための確率・統計や基礎数学を学習することの必要性を再認識し， |
| これら基礎数学を土台として認識理論の展開を行うことが本講義の目的である。 |
|
|
|
| １．知識工学Ⅰの復習 |
2 |
| 知識工学Ⅰで実施した実体験(演習)をもとに，改めてコンピュータによる自動認識 |
|
| について考察する。 |
2 |
| ２．パタン認識の概要 |
|
| パタン認識の役割と概要をまとめる。 |
4 |
| ３．特徴抽出 |
|
| 特徴抽出法（前処理・特徴抽出）とその問題点について解説する。 |
6 |
| ４．学習と識別関数 |
|
| 学習の必要性および線形識別関数の設計（最近傍決定即）について解説する。 |
|
| また，線形識別関数の設計の基本となるパーセプトロンの学習規則について解説する。 |
|
|
|
|
| ４．学習と識別関数（続き） |
2 |
| 学習の必要性および線形識別関数の設計（最近傍決定即）について解説する。 |
|
| また，線形識別関数の設計の基本となるパーセプトロンの学習規則について解説する。 |
|
| ５．誤差評価に基づく学習 |
10 |
| 誤差評価に基づく学習アルゴリズムについて学習する．また，ニューラルネットワークの基本 |
|
| モデルを示し，その学習方法である誤差逆伝播法について解説する。具体的には下記項目につ |
|
| いて解説する。 |
|
| Widrow-Hoffの学習規則 |
|
| 誤差評価とパーセプトロン |
|
| ニューラルネットワーク |
2 |
| 誤差逆伝播法 |
|
| ６．パタン認識の動向 |
|
| 近年のパタン認識技術の動向と応用について紹介する。 |
|
|
|
|
|
|
| 教科書 |
|
| 補助教科書 |
|
| 履修上の注意 |
|
この科目は45時間の学習で１単位となる学修単位科目である。知識工学Ⅰおよび確率・統計Ⅰ・Ⅱの内容を良く復習しておくこと。
|
|
| 評価基準 |
|
本科目を履修するにあたって必要な数学的基礎知識および，それらを使った理論の展開が出来るかどうかによって合否を判定する。
|
|
| 評価法 |
|
| 学習・教育目標 |
東京高専 |
|
JABEE |
|
