機械学習と知能制御 (4020)

授業科目基本情報

科目区分 専門科目 教職科目 指定なし
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 2018/05/25~2018/06/07 履修取消期限 2018/07/04

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
履修方法 ・基盤科目及び専門科目から12単位以上履修すること。
・知能社会創成科学プログラムでは、コア科目である「光学」、「高性能計算基盤」、「量子力学」、「物質化学」、「ユビキタスシステム」、「ヒューマンコンピュータインタラクション」、「機械学習と知能制御」、「ロボティクス」及び「マテリアルインフォマティクス特論」から3科目以上を履修すること。

授業科目概要

担当責任教員 松原 崇充
担当教員 松原崇充
教育目的/授業目標 計算機科学の目覚ましい発展を背景として、膨大なデータ処理に基づく新しいシステム制御技術が注目されている。本講義では、統計的機械学習に基づくデータ駆動型モデリングやデータ駆動型制御に関する様々な基礎知識を身に付ける。
指導方針 毎回の授業において、習得する数理や手法の応用例を紹介することで、受講者の学習意欲や興味を刺激する。また、毎回練習問題を出題し回答の解説も行うことで、受講者の理解度を高める。

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] テーマ 内容
1 7/2 [2] 導入 機械学習や知能制御技術の概説および、主に知能ロボット分野への応用例を紹介する。
2 7/4 [2] 確率の基礎 確率、確率分布、推論演算、ガウス分布など、確率の基礎的事項について解説する。
3 7/6 [2] データ駆動型モデリング 線形回帰、非線形回帰、カーネル回帰など、データ駆動型モデリングについて解説する。
4 7/17 [2] 確率動的システムの学習 線形ガウスモデル、最尤推定、ベイズ推定、ガウス過程回帰、状態空間モデル、EMアルゴリズムなど、確率動的システムについて解説する。
5 7/19 [2] 確率最適制御 確率最適レギュレータや、反復型確率最適レギュレータなど、確率最適制御について解説する。
6 7/23 [2] データ駆動型制御 1 価値関数に基づく強化学習など、データ駆動型制御について解説する。
7 7/25 [2] データ駆動型制御 2 方策に基づく強化学習など、データ駆動型制御について解説する。
8 7/27 [2] 試験 講義内容および講義中の練習問題に基づいて筆記試験を実施する。

授業日程

回数 日付 時間 講義室 備考
1 7/2 2 L3
2 7/4 2 L3
3 7/6 2 L3
4 7/17 2 L3
5 7/19 2 L3
6 7/23 2 L3
7 7/25 2 L3
8 7/27 2 L3

テキスト・参考書

テキスト 講義内容の資料を配布する。
参考書 C. Bishop, Pattern Recognition and Machine Learning, 2006.
 D.P. Bertsekas, Stochastic Optimal Control, 1978.

その他

履修条件 特になし
オフィスアワー 講義後
成績評価の方法と基準 ・5段階(秀・優・良・可・不可)で評価する。
・参加度及び演習レポート(50%)と試験(50%)で評価する。
関連科目 特になし
関連学位 理学、工学
注意事項 特になし

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。