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 |
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。 |
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 |
表示可能なデータがありません。 |
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 |
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 | 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 |
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 |
表示可能なデータがありません。 |
表示可能なデータがありません。 |