知覚情報処理

科目名
Course Title
授業コード 単位数 配当年次 開講期間
Term
科目分類 ナンバリング
コード
曜日
コマ
教室 担当教員氏名
Instructor
知覚情報処理
Perceptual Information Processing
B100210001 2 3 後期授業 専門科目 AKKIS3214-J2 月4 C5-実習室1-A,オンライン(中百舌鳥キャンパス) 青木 茂樹

オフィスアワー

金曜 13:30 - 15:00
会議等のために対応できない場合があるため、来室前にメールで連絡すること。

授業目標

知覚情報処理システムの構成を理解し、パターン認識の基本原理とアルゴリズムを習得する。また、習得したアルゴリズムを具体的なデータに対して適用可能になることを目的とする。

教科書

使用しない。

参考書

・ 船尾 暢男(著),"The R Tips 第3版 −データ解析環境 R の基本技・グラフィック活用集−,"オーム社,ISBN 978-4-274-21958-0.
・ 姜 興起 (著), 金 明哲 (編集) ,”ベイズ統計データ解析 (Rで学ぶデータサイエンス 3) ,"共立出版,ISBN-13: 978-4320019232.
・ 金森 敬文 (著), 竹之内 高志 (著), 村田 昇 (著), 金 明哲 (編集),”パターン認識 (Rで学ぶデータサイエンス 5),”共立出版,ISBN-13: 978-4320019256
・ 辻谷 將明 (著), 竹澤 邦夫 (著), 金 明哲 (編集) ,”マシンラーニング 第2版 (Rで学ぶデータサイエンス 6),”共立出版,ISBN-13: 978-4320111035

関連科目

マルチメディア情報処理,機械学習,人工知能

授業時間外の学習(準備学習等について)

身近に存在する様々な知覚情報処理システムを列挙し、どのような処理がなされているかを検討する。また、それらのアルゴリズムを想定することによって、本科目での講義内容が実社会でどのように利用されているかを理解すること。

授業の概要

知覚情報処理とは、各種センサーから得たデータを処理し、有用な知識を得るプロセスである。本講義では、知覚情報処理の基本であるパターン認識について学習する。

以下の授業計画に基づいて講義を実施する。
但し、講義の進捗状況・理解度及びコメントシートへの回答内容に応じて計画を変更することがある。

講義は、Rでの演習(スクリプトの実装)形式で行う。
受講にあたっては、論理的思考力,数学の素養,およびプログラミングに関する知識が必須である。
線形数学I、線形数学II については完全に理解していることを前提として講義を進める。

授業計画

第1回 ガイダンス、知覚情報処理の概要
(目標)知覚情報処理の概要を理解し説明できる。
準備学習等
第2回 R による基礎的な計算
(目標)R の使用方法の概要を理解し説明できる。
準備学習等
第3回 R による自作関数
(目標)R による自作関数の定義と利用方法を理解し説明できる。
準備学習等
第4回 パターン認識の概要
(目標)パターン認識の概要を理解し説明できる。
準備学習等
第5回 k-means 法の概要
(目標)k-means 法によるクラスタリングの概要を理解し説明できる。
準備学習等
第6回 k-means 法の実装
(目標)与えられたデータを k-means 法でクラスタリングできる。
準備学習等
第7回 標準化
(目標)データの標準化について理解し説明できる。
準備学習等
第8回 中間テスト
(目標)1〜7回の基礎的な問題を R で実装できる。
準備学習等
第9回 マハラノビス距離
(目標)マハラノビス距離について理解し説明できる。
準備学習等
第10回 データの識別
(目標)クラスタリング,マハラノビス距離等を利用したデータの識別方法を理解し実装できる。
準備学習等
第11回 k-NN 法
(目標)k-NN法の概要を理解し説明できる。
準備学習等
第12回 k-NN法の実装
(目標)与えられたデータを k-NN 法で識別できる。
準備学習等
第13回 サポートベクターマシン
(目標)サポートベクターマシンの基礎を理解し説明できる。
準備学習等
第14回 サポートベクターマシンの実装
(目標)与えられたデータをサポートベクターマシンで識別できる。
準備学習等
第15回 期末テスト
(目標)9〜14回の応用問題を R で実装できる。
準備学習等

成績評価

目標達成の評価は、中間・期末テストおよびレポート40%、各回の授業における演習状況およびコメントシート60%により行う。
単位を習得するためには,
・Rで実装する k-means 法に関する設問に正しく回答できること
・Rで実装する標準化に関する設問に正しく回答できること
・Rで実装するマハラノビス距離に関する設問に正しく回答できること
・Rで実装するSVMに関する設問に正しく回答できること
以上を達成することが求められる。

なお、原則として、レポートを期限までに提出しなかった場合は単位を認めない。

備考(実務経験の活用を含む)

学生証を用いて出席を採るので、学生証を忘れないこと。
講義を欠席した場合は、欠席届を必ず提出すること。提出しない場合は減点する。
本講義では、資料の公開、レポートの回収、小テストを授業支援システムを利用して行う。
授業支援システムは、教務学生システムで受講登録した翌日から利用できる。早めに受講登録すること。