Language:

2022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 2022/04/12~2022/05/13 履修取消期限 2022/05/17

教育プログラム別の履修区分

プログラム名 IS BS MS DS DGI
履修区分
コア科目 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、序論科目、基盤科目及び専門科目から14単位以上履修すること。
・課題研究を履修する場合は、序論科目、基盤科目及び専門科目から16単位以上履修すること。

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 5/10 [1] 須藤 克仁 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 5/17 [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 5/24 [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 5/31 [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 6/7 [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 6/14 [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 6/21 [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,強化学習
8 6/28 [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 5/10 1 エーアイ大講義室[L1](IS)
2 5/17 1 エーアイ大講義室[L1](IS)
3 5/24 1 エーアイ大講義室[L1](IS)
4 5/31 1 エーアイ大講義室[L1](IS)
5 6/7 1 エーアイ大講義室[L1](IS)
6 6/14 1 エーアイ大講義室[L1](IS)
7 6/21 1 エーアイ大講義室[L1](IS)
8 6/28 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 (sdm2022@is.naist.jp) へ連絡すること.教員および担当TAに配送される。
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

  資料名 備考 公開期限
WebExのURL 2022/06/28 学内専用
講義資料(第1回) 2022/09/30 学内専用
課題(第2回) 締切: 6/3 (金) 23:59 JST 2022/07/01 学内専用
講義資料(第2回) p23修正あり 2022/09/30 学内専用
講義資料(第3回) 2022/09/30 学内専用
課題(第3回) 締切: 6/10 (金) 23:59 JST 2022/07/08 学内専用
講義資料(第4回) 2022/09/30 学内専用
課題(第4回) 締切: 6/17 (金) 23:59 JST 2022/07/15 学内専用
講義資料(第5回) 2022/09/30 学内専用
課題(第5回) 締切: 6/24 (金) 23:59 JST 2022/07/22 学内専用
課題(第6回) 講義中では 6/21 としましたが他の課題に合わせて 7/1 までにします。 2022/09/12 学内専用
講義資料(第6回) 19, 24ページ、tanhとsigmoidの概形図が入れ替わっていましたので修正しました 2022/09/12 学内専用
講義資料(第7回) 2022/09/19 学内専用
課題(第7回) 2022/09/19 学内専用