2021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	Ⅰ	履修登録システム	使用する
履修登録期間	2021/04/13～2021/05/14	履修取消期限	2021/05/14

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／学修到達目標	【教育目的】 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、隠れマルコフモデルや条件付き確率場、線形動的システムについて学ぶ。さらに、最近のニューラルネットを用いた手法についても学ぶ。 【学修到達目標】 1) 確率モデルに基づく系列データ処理の基本的な考え方について説明、記述できる。 2) 種々の系列データのための確率モデルの特徴について整理、議論ができる。
授業概要／指導方針	【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 【授業時間外学修（予習・復習等）の目安】 各回毎に授業内で与えられたAssignmentの予習2時間 各回毎に復習2時間程度

クラス情報

表示可能なデータがありません。

授業計画

回数	日付 [時間]	担当教員	テーマ	内容
1	4/20 [1]	Sakriani Sakti	機械学習の基本事項の復習	確率，ベイズ則，学習と予測，モデルとパラメータ
2	4/27 [1]	須藤 克仁	離散変数による系列生成モデル	マルコフモデル，隠れマルコフモデル
3	5/11 [1]	須藤 克仁	離散変数を用いた系列識別モデル	ロジスティック回帰，条件付き確率場
4	5/18 [1]	Sakriani Sakti	連続潜在変数における系列生成モデル	混合正規分布モデル，因子分析
5	5/25 [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
6	6/1 [1]	吉野 幸一郎	ニューラルネットワーク入門	パーセプトロン，多層パーセプトロン，誤差逆伝播
7	6/8 [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	回帰型ニューラルネットワーク，系列変換モデル
8	6/15 [1]	須藤 克仁	ニューラルネットワークに基づく系列変換技術の応用	系列変換ニューラルネットワークによる機械翻訳，音声認識，等

授業日程

回数	日付	時間	講義室	備考
1	4/20	1	エーアイ大講義室[L1]（IS）	講義はL1で対面式で行われます。 特別な理由で教室に来られない学生は、Webexを介してオンラインで参加するか（WebEx URLは講義スライドの最初のページを参照）、講義アーカイブを利用して受講することもできます（講義日の約1週間後にも利用可能になります）。
2	4/27	1	エーアイ大講義室[L1]（IS）	WebExでも参加可能です．
3	5/11	1	エーアイ大講義室[L1]（IS）	WebExでも参加可能です．
4	5/18	1	エーアイ大講義室[L1]（IS）	WebExでも参加可能です（WebEx URLは講義スライドの最初のページを参照）
5	5/25	1	エーアイ大講義室[L1]（IS）	WebExでも参加可能です（WebEx URLは講義スライドの最初のページを参照）
6	6/1	1	エーアイ大講義室[L1]（IS）	WebExでも参照可能です。講義リンクは参考資料参照。
7	6/8	1	エーアイ大講義室[L1]（IS）	WebExでも参加可能です。URLは参考資料にあります。
8	6/15	1	エーアイ大講義室[L1]（IS）

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 (sdm2021@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

授業関連URL

表示可能なデータがありません。

配布資料

表示可能なデータがありません。