パターン認識 (130028)

担当教員 舩冨 卓哉(Takuya Funatomi / ふなとみ たくや)、 神原 誠之(Masayuki Kanbara / かんばら まさゆき)
単位数 :1単位 選択・必修 :選択 講義室 :L1 講義スタイル :講義/公開
開講時期 Ⅱ期 火曜2限

授業目的 マルチメディア処理の一つであるパターン認識技術の基礎習得を目的とする.

Students study several fundamental techniques for pattern recognition, which is one of the important issues in multimedia processing.
授業内容 具体的な最新の応用研究例を紹介しつつ,様々な分野で汎用的に利用されるパターン認識の基礎的技術の習得を目標とする.
1.概論
2.クラス決定木 (ID3, Radndom forestなど)
3.最近傍探索(k-NN,KD-tree,LSHなど)
4.固有空間法(主成分分析,判別分析,部分空間法とその拡張など)
5.ロバスト推定(M-estimator, Least Median Square, RANSACなど)
6.クラスタリング(K-meansクラスタリングなど)

This course covers the following topics:
- Introduction to Pattern Recognition
- Decision tree (ID3, Random forest, etc.)
- Nearest neighbor methods (k-NN, KD-tree, LSH, etc.)
- Eigenspace methods (PCA, LDA, Subspace methods and their extensions, etc.)
- Robust estimation (M-estimator, Least Median Square, RANSAC, etc.)
- Unsupervised clustering (K-means, etc.)

教科書 なし.スライド配布.

No texts. Lecture slides would be distributed.
参考書 石井ら:わかりやすいパターン認識,オーム社,1998
石井ら:続・わかりやすいパターン認識―教師なし学習入門―,オーム社,2014
Stuart Russell, Artificial Intelligence: A Modern Approach, Prentice Hall, 2009.
履修条件 データ解析基礎,微分積分学,最適化数学基礎の講義内容一部を習得していることを前提に講義を行う(単位取得は必要としない).

Students are desired to understand several parts of Basic data analysis, Calculus, and Fundamental Mathematics for Optimization.
成績評価 授業時の小テスト(40%),実習レポート(プログラム課題で60%).

Mini-exams (40%), assignment of programming (60%).
オフィスアワー 在室時に随時対応(A212-1:神原,B615:舩冨).
電子メールによる質問や予約を勧める.講義最中の質問を歓迎.

Visit A212-1, B615 to see Prof.Kanbara, Prof.Funatomi whenever we are there. For making an appointment, email us.
Questions during classes are welcome.
配布資料 現在、配布資料はありません。