授業科目名 : 機械学習

科目コード 91340
配当学年 (計)3年 (数)4年
開講年度・開講期 平成29年度・後期
曜時限 水曜・2時限
講義室 総合研究7号館情報1
単位数 2
履修者制限
授業形態 講義
使用言語 日本語
担当教員    所属・職名・氏名 情報学研究科・教授・河原達也

授業の概要・目的

実世界の大規模なデータから有用な情報を抽出し、カテゴリ分類や意思決定・予測を行うモデル・システムの構成について扱う。特に、パターン認識を指向した種々の機械学習の方法を講義する。

成績評価の方法・観点及び達成度

期末試験
授業中に小テストを実施する場合あり

到達目標

機械学習の基本的なアプローチ及び主要な方法について修得する。
実世界のパターンを分類・認識するシステムを設計できるようになる。

授業計画と内容

項目 回数 内容説明
導入 2 パターン認識の問題と基本的なアプローチ、教師付き学習
線形識別、最小二乗距離識別、二次識別、機械容量
統計モデルに基づく学習 4 正規分布、分散、共分散、マハラノビス距離
クラスタリング、混合正規分布(GMM)
DPマッチング、HMM、Viterbiアルゴリズム
ベイズ識別、損失関数、最尤識別、ナイーブベイズ識別器、ロジスティック回帰モデル
ニューラルネットワークによる学習 5 パーセプトロン、誤り訂正学習法
多層パーセプトロン、誤差逆伝播法
サポートベクトルマシン
深層学習、畳み込みニューラルネットワーク、Auto-Encoder、リカレントニューラルネットワーク
統計的特徴抽出と学習規範 2 KL展開、主成分分析、判別分析
最小平均二乗誤差推定、最尤推定、ベイズ推定、正則化
パターン認識システムの設計・評価 1 データベース、ビッグデータ、交差確認法

教科書

はじめてのパターン認識 (平井有三著,森北出版)

参考書等

わかりやすいパターン認識 (石井健一郎 他著,オーム社)
Pattern Classification (Richard O. Duda, Peter E. Hart, and David G. Stork, Wiley) ,
Learning Machines (N.J.Nilsson, Morgan Kaufmann) ,
(学習機械 (渡辺茂訳,コロナ社))

履修要件

授業外学習(予習・復習)等

授業URL

その他(オフィスアワー等)

当該年度の授業回数など諸事情に応じて,一部省略,追加,講義順序の変更などがありうる.