Language:

2020年度 系列データモデリング (4034)

授業科目基本情報PDFダウンロード

科目区分 専門科目 教職科目 情報
単位数 1 選択・必修・自由 選択
授業形態 講義 主な使用言語 英語
開講時期 履修登録システム 使用する
履修登録期間 2020/04/13~2020/05/22 履修取消期限 2020/05/22

教育プログラム別の履修区分

プログラム名 IS CB BS BN MS CP DS
履修区分
コア科目 C C
履修方法 ・修士論文研究又は特別課題研究を履修する場合は、基盤科目及び専門科目から12単位以上履修すること。
・課題研究を履修する場合は、基盤科目及び専門科目から14単位以上履修すること。
・コア科目の履修方法については、入学年次の教育課程表の(2)履修方法を参照すること。

授業科目概要

担当責任教員 須藤 克仁
担当教員 須藤克仁、Sakriani Sakti、吉野幸一郎
教育目的/授業目標 音声信号、生体信号、動作物体の画像信号などの時系列データや、自然言語における文字系列データなどを取り扱うための、系列データモデリング技術に関する基礎知識の習得をはかる。特に、確率モデルに基づく手法を対象とし、代表的なものとして隠れマルコフモデルや条件付き確率場、線形動的システム、また近年用いられることの多いニューラルネットを用いた手法についての理解を深める。
授業概要/指導方針 この講義では統計的な系列データモデルについて扱う。統計的機械学習の基礎について振り返った後、隠れマルコフモデル、条件付き確率場、線形動的システム等の代表的なモデルと最新のニューラルネットワークによるモデルについてスライドを用いて説明し、演習問題を用いて理解を深める。
座学(今年度に限り授業アーカイブを活用する.詳細は下記参照.)

クラス情報



表示可能なデータがありません。

授業計画

[1限目 9:20-10:50] [2限目 11:00-12:30] [3限目 13:30-15:00] [4限目 15:10-16:40] [5限目 16:50-18:20] [6限目 18:30-20:00]
回数 日付 [時間] 担当教員 テーマ 内容
1 4/21 [1] 須藤 克仁 離散潜在変数による系列生成モデルの基礎 マルコフ過程,潜在変数
2 5/12 [1] 須藤 克仁 離散潜在変数による系列生成モデル 隠れマルコフモデル
3 5/19 [1] Sakriani Sakti 連続潜在変数における生成モデルの基礎 混合正規分布モデル,因子分析
4 5/26 [1] Sakriani Sakti 連続潜在変数における系列生成モデル 線形動的システム,カルマンフィルタ,カルマンスムーザ
5 6/2 [1] 須藤 克仁 条件付き独立を仮定する系列識別モデルの基礎 パーセプトロン,構造化パーセプトロン
6 6/9 [1] 須藤 克仁 条件付き独立を仮定する系列識別モデル ロジスティック回帰,条件付き確率場
7 6/16 [1] 吉野 幸一郎 系列データのためのニューラルネットワークの基礎 多層パーセプトロン,RNN,LSTM,GRU,双方向LSTM
8 6/23 [1] 吉野 幸一郎 Sequence-to-Sequenceにおける識別モデル エンコーダデコーダ,注意型ニューラルネットによるエンコーダデコーダ

授業日程

[1限目 9:20-10:50] [2限目 11:00-12:30] [3限目 13:30-15:00] [4限目 15:10-16:40] [5限目 16:50-18:20] [6限目 18:30-20:00]
回数 日付 時間 講義室 備考
1 4/21 1 エーアイ大講義室[L1](IS) 授業アーカイブ 2018年度 (第1回; 2018/10/4) http://library.naist.jp/mylimedio/search/av2.do?target=local&bibid=88400 課題公開: 5/1 (金) 課題提出締切: 5/19 (火)
2 5/12 1 エーアイ大講義室[L1](IS) 授業アーカイブ 2018年度 (第2回; 2018/10/9) http://library.naist.jp/mylimedio/search/av2.do?target=local&bibid=88400 課題公開予定: 5/18 (月) 課題提出締切: 6/2 (火)
3 5/19 1 エーアイ大講義室[L1](IS) 授業アーカイブ 2018年度 (第3回; 2018/10/11) http://library.naist.jp/mylimedio/search/av2.do?target=local&bibid=88400 課題公開予定: 5/25 (月) 課題提出締切: 6/9 (火)
4 5/26 1 エーアイ大講義室[L1](IS) 授業アーカイブ 2018年度 (第4回; 2018/10/15) http://library.naist.jp/mylimedio/search/av2.do?target=local&bibid=88400 課題公開予定: 6/1 (月) 課題提出締切: 6/16 (火)
5 6/2 1 エーアイ大講義室[L1](IS) 授業アーカイブ 2018年度 (第5回; 2018/10/22) http://library.naist.jp/mylimedio/search/av2.do?target=local&bibid=88400 課題公開予定: 6/8 (月) 課題提出締切: 6/23 (火)
6 6/9 1 エーアイ大講義室[L1](IS) 授業アーカイブ 2018年度 (第6回; 2018/10/24) http://library.naist.jp/mylimedio/search/av2.do?target=local&bibid=88400 課題公開予定: 6/15 (月) 課題提出締切: 6/30 (火)
7 6/16 1 エーアイ大講義室[L1](IS) 授業アーカイブ 2018年度 (第7回; 2018/10/26) http://library.naist.jp/mylimedio/search/av2.do?target=local&bibid=88400 課題公開予定: 6/22 (月) 課題提出締切: 7/7 (火)
8 6/23 1 エーアイ大講義室[L1](IS) 授業アーカイブ 2018年度 (第8回; 2018/11/27) http://library.naist.jp/mylimedio/search/av2.do?target=local&bibid=88400 課題公開予定: 6/29 (月) 課題提出締切: 7/16 (木)

テキスト・参考書

テキスト 特になし
参考書 ・C.M.ビショップ(著)、元田、栗田、樋口、松本、村田(訳):パターン認識と機械学習 上・下、シュプリンガー・ジャパン、2008
・高村 大也(著)、奥村 学(編):言語処理のための機械学習入門、コロナ社、2010

その他

履修条件 確率・統計の基礎的な知識を有していることが望ましい。
オフィスアワー 質問はEメール (sdm2020@is.naist.jp) へ連絡すること.
成績評価の方法と基準 ・5段階(秀・優・良・可・不可)で評価する。
・各回の演習問題レポートの点数で評価する(100%)。
関連科目 特になし
関連学位 工学
注意事項 シラバス 2018年度 https://syllabus.naist.jp/subjects/preview_detail/89
授業アーカイブ 2018年度 https://library.naist.jp/mylimedio/search/av2.do?target=local&bibid=88400
(シラバス 2019年度 https://syllabus.naist.jp/subjects/preview_detail/283,授業アーカイブ2019年度 https://library.naist.jp/mylimedio/search/av2.do?target=local&bibid=91940 も参照可)

授業関連URL



表示可能なデータがありません。

配布資料

  資料名 備考 公開期限
基礎事項についての補足資料 2020/09/30 学内専用
講義資料(第1回) 2018年度 2020/09/30 学内専用
参考:講義資料(第1回) 2019年度 2020/09/30 学内専用
講義資料(第2回) 2018年度 2020/09/30 学内専用
参考:講義資料(第2回) 2019年度 2020/09/30 学内専用
講義資料(第3回) 2018年度 2020/09/30 学内専用
参考:講義資料(第3回) 2019年度 2020/09/30 学内専用
講義資料(第4回) 2018年度 2020/09/30 学内専用
参考:講義資料(第4回) 2019年度 2020/09/30 学内専用
講義資料(第5回) 2018年度 2020/09/30 学内専用
参考:講義資料(第5回) 2019年度 2020/09/30 学内専用
講義資料(第6回) 2018年度 2020/09/30 学内専用
参考:講義資料(第6回) 2019年度 2020/09/30 学内専用
講義資料(第7回) 2018年度 2020/09/30 学内専用
参考:講義資料(第7回) 2019年度 2020/09/30 学内専用
講義資料(第8回) 2018年度 2020/09/30 学内専用
参考:講義資料(第8回) 2019年度 2020/09/30 学内専用
課題回答例(第1回) 2020/09/30 学内専用
課題回答例(第2回) 2020/09/30 学内専用
課題回答例(第5回) 2020/09/30 学内専用
課題回答例(第6回) 2020/09/30 学内専用