| 授業科目名（和文） ［Course］ |
人工知能特論 |
| 授業科目名（英文） ［Course］ |
Advanced Artificial Intelligence |
| 学部（研究科） ［Faculty］ |
情報系工学研究科 |
| 学科（専攻） ［Department］ |
システム工学専攻前期 |
| 担当教員（○：代表教員） [Principle Instructor(○) and Instructors] |
○岩橋 直人 自室番号（2609）、電子メール（iwahashi**c.oka-pu.ac.jp） ※利用の際は,** を @に置き換えてください |
| 単位数 ［Point(Credit)］ |
後期 2単位 |
| 対象学生 ［Eligible students］ |
1?2年次生 |
| 授業概略と目標 ［Course description and Objects］ |
ロボットが日常的な環境で人間と共生する時代が近づいている。そのようなロボットは，人間を含む環境と結合する心と身体の計算機構を持っていなければならない。この授業では、知能を環境との相互作用を基盤とした情報のダイナミクスと捉え、その情報論的な数理モデリングの技術について理解することを目標とする。 |
| 到達目標 ［Learning Goal］ |
1. 知能の数理モデリングに関するベイズ的手法の体系を理解する。 2. パターン認識技術の基礎を理解する。 3. 機械学習技術の基礎を理解する。 |
| 履修上の注意 ［Notes］ |
特になし |
| 授業計画とスケジュール ［Course schedule］ |
1. 序論 ?確率論について学ぶ。 ?モデル選択について学ぶ。 ?次元の呪いについて学ぶ。 ?決定理論について学ぶ。 ?情報理論について学ぶ。 2. 確率分布 ?二値変数について学ぶ。 ?多値変数について学ぶ。 ?ガウス分布について学ぶ。 ?指数型分布族について学ぶ。 ?ノンパラメトリック法について学ぶ。 3. 線形回帰モデル ?線形基底関数モデルについて学ぶ。 ?バイアスーバリアンス分解について学ぶ。 ?ベイズ線形回帰について学ぶ。 ?ベイズモデル比較について学ぶ。 ?エビデンス近似について学ぶ。 4. 線形識別モデル ?識別関数について学ぶ。 ?確率的生成モデルについて学ぶ。 ?確率的識別モデルについて学ぶ。 ?ラプラス近似について学ぶ。 ?ベイズロジスティック回帰について学ぶ。 5. ニューラルネットワーク ?フィードフォワードネットワーク関数について学ぶ。 ?ネットワーク訓練について学ぶ。 ?誤差逆伝播について学ぶ。 6. カーネル法 ?双対表現について学ぶ。 ?カーネル関数の構成について学ぶ。 ?ガウス課程について学ぶ。 7. 疎な解を持つカーネルマシン ?最大マージン分類器について学ぶ。 8. グラフィカルモデル ?ベイジアンネットワークについて学ぶ。 ?条件付き独立性について学ぶ。 ?マルコフ確率場について学ぶ。 ?グラフィカルモデルにおける推論について学ぶ。 9. 混合モデルとEM ?K-meansクラスタリングについて学ぶ。 ?混合ガウス分布について学ぶ。 ?ＥＭアルゴリズムのもう1つの解釈について学ぶ。 ?一般のＥＭアルゴリズムについて学ぶ。 10.近似推論法 ?変分推論について学ぶ。 ?変分混合ガウス分布について学ぶ。 11.サンプリング法 ?基本的なサンプリングアルゴリズムについて学ぶ。 ?マルコフ連鎖モンテカルロについて学ぶ。 ?ギブスサンプリングについて学ぶ。 12.連続潜在変数 ?主成分分析について学ぶ。 ?確率的主成分分析について学ぶ。 ?カーネル主成分分析について学ぶ。 13.系列データ ?隠れマルコフモデルについて学ぶ。 ?線形動的システムについて学ぶ。 14.モデルの結合 ?ベイズモデル平均化について学ぶ。 ?コミッティについて学ぶ。 ?ブースティングについて学ぶ。 ?木構造モデルについて学ぶ。 ?条件付き混合モデルについて学ぶ。 15．まとめ |
| 成績評価方法と基準 ［Grading policy (Evaluation)］ |
授業中に出すレポート課題と授業態度（出欠を含む）により評価する。 |
| 教科書 ［Textbook］ |
教科書： パターン認識と機械学習（上）、C.M.ビショップ著、シュプリンガー?ジャパン、6,500円（税抜） パターン認識と機械学習（下）、C.M.ビショップ著、シュプリンガー?ジャパン、7,800円（税抜） |
| 自主学習ガイド及び キーワード ［Self learning］ |
紹介したアルゴリズムをプログラムで実装すると理解が深まる。 キーワード：確率分布、線形回帰モデル、線形識別モデル、ニューラルネットワーク、カーネル法、グラフィカルモデル、混合モデル、サンプリング法 |
| 開講年度 ［Year of the course］ |
28 |