科目名 : 知能型システム論

科目コード 60670
配当学年 4年
開講期 前期
曜時限 水曜・4時限
講義室 電総中
単位数 2
履修者制限
講義形態 講義
言語
担当教員 石井信・喜多一

講義概要

人間の知的活動のモデルとして様々な知能型システムが提案されている.この講義では,複雑な問題における最適解を求めるための手法として, 状態空間の探索による問題解決,アルゴリズムである分枝限定法などを講述する.また,例題からの機能の獲得を行う機械学習法である,強化学習,教師あり学習,教師なし学習について,基本的事項と応用例を講述する.

評価方法

授業計画に示した内容についての理解を,授業中の演習,プログラミングを伴うレポート,および出席(授業への参加)状況を加味して,総合的に評価する.

最終目標

人間の知的活動のモデルである知能型システムの基礎的事項について知識を習得し,プログラミングを含むレポート作成を通じて,実践レベルまで理解を深める.

講義計画

項目 回数 内容説明
状態空間の探索による問題解決 1 多くの知的活動は,オペレータによってシステムの状態を変化させ,目的とする状態にたどり着くプロセスとしてモデル化できる.ここでは,簡単な例を使って,状態空間の表現法と各種の状態空間探索アルゴリズムを紹介する.
木の探索 1 多くの意思決定を伴う問題は状態空間を木で表現できる.状態空間を探索して最良の意思決定を行う方法とその課題について講述する.
分枝限定法 1 分枝限定法は,各種の制約条件の下で評価関数を最適化する解を効率的に探索するための(メタ)アルゴリズムである.ここでは,具体的な例を基にしてその基本的考え方を説明する.
ゲーム木の探索 1 敵との対戦を行うゲーム的状況においては,双方が最良の選択を行おうとする枠組みで状態空間を探索する必要がある.ここでは,このような枠組みでの状態空間の探索について論じる.
例題からの学習に関する概論 1 ニューラルネットワークなどの学習で典型的に見られる形式として「例題から機能を獲得する学習」がある.以降の講義で取り上げる「教師あり学習」,教師なし学習」,および「強化学習」について,その基本的な考え方について解説する.
動的計画法と強化学習 2 報酬や罰に基づき行動を獲得する手法である強化学習について,とくに多段階の行動の獲得のための学習アルゴリズムである Q-学習法を中心に,システム最適化の重要な技法である動的計画法との 関連を含めて講義する.
教師あり学習 4 例題から入出力関係を学習する教師あり学習について,その最も簡単なモデルであるパーセプトロンからはじめ,学習法の基 礎を与える最小自乗法,勾配法による非線形最適化などを含めて講義する.複雑な入出力関係を学習できる多層パーセプトロンとそのための誤差逆伝播学習法について紹介する.また,線形判別分析を拡張したサポートベクトルマシンについて紹介する.
教師なし学習と統計的推定 4 例題からその特徴を抽出する,あるいは例題の分布特性を学習する教師なし学習について,確率モデルの統計的推定に基づく基本的な考え方と,行列因子化,クラスタリングなどの応用について講義する.また,ベイズ推定に基づく手法についても紹介する.

教科書

プリントを使用する.

参考書

必要に応じて紹介する.

予備知識

計算機ソフトウェア(60370)およびシステム最適化(60660)の知識を必要とする.

授業URL

その他