2018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	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	Ⅲ	履修登録システム	使用する
履修登録期間	2018/10/02～2018/10/16	履修取消期限	2018/10/16

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	－	－	－	－	－	－	－
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。

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	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、代表的なものとして隠れマルコフモデルおよび線形動的システム、また近年用いられることの多いニューラルネットを用いた手法についての理解を深める。
授業概要／指導方針	音声・言語処理の研究に携わる本学の教員により、系列データの確率モデルによる表現方法と実際の問題への応用について学ぶ。各講義における演習問題を通じて実践的な理解を深める。

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]	担当教員	テーマ	内容
1	10/4 [1]	－	離散潜在変数における生成モデル	- マルコフ過程 - 潜在変数
2	10/9 [1]	－	離散潜在変数における生成モデル	- 隠れマルコフモデル
3	10/11 [1]	－	連続潜在変数における生成モデル	- 混合正規分布モデル - 因子分析
4	10/15 [1]	－	連続潜在変数における生成モデル	- 線形動的システム - カルマンフィルタ、カルマンスムーザ
5	10/22 [1]	－	条件付き独立を仮定する識別モデル	- パーセプトロン - 構造化パーセプトロン
6	10/24 [1]	－	条件付き独立を仮定する識別モデル	- ロジスティック回帰 - 条件付き確率場
7	10/26 [1]	－	Sequence-to-Sequenceにおける識別モデル	- 多層パーセプトロン - RNN, LSTM, GRU, 双方向LSTM
8	11/27 [1]	－	Sequence-to-Sequenceにおける識別モデル	- エンコーダデコーダ - 注意型ニューラルネットによるエンコーダデコーダ

授業日程

回数	日付	時間	講義室	備考
1	10/4	1	L1
2	10/9	1	L1
3	10/11	1	L1
4	10/15	1	L1
5	10/22	1	L1
6	10/24	1	L1
7	10/26	1	L1
8	11/27	1	L1	10/30→11/27

テキスト・参考書

テキスト	特になし。講義資料をシラバスで公開する。
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	機械学習概論、データ解析基礎の講義内容を理解していることを前提に講義を行う．
オフィスアワー	Eメールで連絡の上、日時を決める（連絡先[担当教員&TA]: sdm2018@is.naist.jp）
成績評価の方法と基準	・５段階（秀・優・良・可・不可）で評価する。 ・各講義の演習問題の点数（100％）で評価する。 ・系列データ処理のための統計モデルの知識の習得を基準とする。
関連科目	機械学習概論、データ工学基礎、人工知能
関連学位	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。