Language：

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

[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 4/20 [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

[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 4/20 1 エーアイ大講義室[L1]（IS）
2 4/27 1 エーアイ大講義室[L1]（IS）
3 5/11 1 エーアイ大講義室[L1]（IS）
4 5/18 1 エーアイ大講義室[L1]（IS）
5 5/25 1 エーアイ大講義室[L1]（IS）
6 6/1 1 エーアイ大講義室[L1]（IS）
7 6/8 1 エーアイ大講義室[L1]（IS）
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。