| 授業の目標と概要 |
| 脳の情報処理形態をモデル化したニューラルネットワークモデルを取り上げ、その階層型モデルおよび相互結合型ネ |
| モデルについて、ネットワークの学習や動作についての検討を行う。そこで学んだ内容をもとに更に，近年，発展が |
| 目覚しいパターン認識と機械学習技術の概要およびその基本的な考え方について学ぶ。 |
|
| カリキュラムにおける位置づけ |
| 微分積分，線形代数，確率統計等の数学の基本的知識を活用しながら、学習のしくみやニューラルネットワークの動 |
| 作，そして近年のパターン認識や機械学習技術の基本的な考え方について学んでいく。 |
|
|
|
| １．ニューロンモデルとネットワークモデル |
2 |
| ニューラルネットワークとは何か，その特徴や構造について学ぶ。 |
|
|
|
| ２．階層型ネットワークモデルと学習 |
12 |
| 階層型ネットワークモデルの構成や情報伝達の方式について学び，また動作原理について |
|
| 幾何学的な解釈による理解を深める。更に、基本的な学習アルゴリズムについて学ぶ。 |
|
|
|
| ３．相互結合型ネットワークモデルとその応用 |
6 |
| 相互結合型モデルの構成と動作原理について学ぶ。 |
|
| ネットワークのエネルギー関数減少の動作原理について学ぶ。 |
|
|
|
| ４．パターン認識と機械学習について |
9 |
| 近年，ニューラルネットワークを含むパターン認識や機械学習の技術発展が目覚しい。 |
|
| それら技術の基本となっている考え方を学び，レポートにまとめる。 |
|
| |
|
|
|
|
|
|
|
|
|
|
|
|
| 教科書 |
|
学習とニューラルネットワーク（熊沢逸夫 森北出版）
|
|
| 補助教科書 |
|
入門 パターン認識と機械学習（後藤正幸，小林学 コロナ社）
|
|
| 履修上の注意 |
|
履修するうえで、微分積分，線形代数，確率統計の基本知識を必要とする。
|
|
| 評価基準 |
|
階層型および相互結合型ニューラルネットワークモデルの動作や学習のし方を数式も含めて理解しているか、また近年のパターン認識や機械学習技術の基本的な考え方を理解しているか。
|
|
| 評価法 |
|
| 学習・教育目標 |
東京高専 |
|
JABEE |
|
