| 【課題】 |
| 機械学習手法の理論・応用に関するテーマ |
|
| 【キーワード】 |
| 確率モデル，強化学習，統計的学習，エージェントシステム，データマイニング |
|
| 【学士課程教育に相当する学修との関連】 |
| 自ら課題を探索する能力，チームワークやリーダーシップ，問題解決能力については，本科における実験，本科5年 |
| 次の卒業研究および専攻科1年における特別研究Ⅰではもちろんのこと，実践プログラミングⅡ，情報工学ゼミナール |
| Ⅰ・Ⅱ，インターンシップなどを通じて身につけてきた．また，研究に必要な道具となる知識については，本科3年で |
| 学修した確率・統計Ⅰ，Ⅱ，本科4年で学修した知識工学Ⅱ，本科5年で学修した知能情報工学などを中心とした専門 |
| 科目全般で身につけている．本科目はこれらを総括する科目として位置づけられる． |
|
| 【達成目標】 |
| 本科4，5年および専攻科で学修した内容を活用した応用技術，具体的には，ロボットの効率的な行動学習や，確率 |
| モデルの適切な構造学習，確率推論を実現するための技術を身につけ問題解決ができる能力，およびこれら技術を用 |
| いたプログラミングやシミュレーションを実施したり，実機に適用して検証するための能力を身につける．さらに， |
| グループワークを通じてリーダーシップなどの社会性を養い，主体的に考える力を鍛える．また，関連知識の習得に |
| 努めることを通じて，修了後も自ら学び続ける態度や能力を養う． |
|
| 【概要】 |
| ロボットの効率的な行動学習や，確率モデルの適切な構造学習，確率推論を実施するため，本科目においては強化 |
| 学習の基本的アルゴリズムや確率モデルの構造学習，確率推論法を活用した適応的学習システムの構築に関する技術 |
| を習得する．そのためにまずは，本科3年で学修した確率・統計Ⅰ，Ⅱ，本科4年で学修した知識工学Ⅱや本科5年で学 |
| 修した知能情報工学に関する理解をさらに深めることはもちろん，必要となるプログラミング，情報数学，情報理論 |
| などを中心とした情報工学全般の知識を活用する必要がある．グループワークを通じてシステム開発手法を検討しな |
| がら課題解決能力を育み，専門家との意見交換や学会発表などを通じてコミュニケーション能力も育成する．これと |
| 並行して，課題・テーマに必要な学問内容であっても未修である内容については，輪講などを行なってその知識を |
| 補ってゆく．さらに学外の事業者・研究者との討議や国内・国際学会における発表の機会を設ける．マルチエージェ |
| ント技術や最新の確率モデル応用例などに関する知識を主体的に学ぶことも期待している． |
|
| 【計画】 |
| 輪講形式による強化学習，確率モデルに関する最新の理論，応用研究例の調査，および確率統計，知識工学，情報理 |
| 論を中心とした情報工学全般に関する知識の確認（4月～6月） |
| 研究の位置づけ理解（4月～5月） |
| 開発するソフトウェアの設計，および実験設定に関する調査（4～7月） |
| ソフトウェア開発，および実験の準備（5月～7月） |
