■授業内容と方法 |
ソフトコンピューティング(Soft computing)とは,大規模・複雑なデータを人間的な柔らかで、しなやかな新しい情報技術により情報化,知識化して扱うための体系のことである.情報や知識に対する考え方や理念、情報処理のための技術やシステム、人間や社会におけるインターフェースや価値観等を含む大きな科学技術体系を意味している.ソフトコンピューティングでは, ・曖昧情報を扱う数学体系としてFuzzy 理論 ・複雑・大規模な環境かにおける最適化法としてGenetic Algorithms ・脳の情報処理に学んだ機械学習法としてNeural Network などが扱われる. この講義では, NN, GA,のトピックをサンプルプログラムによる簡単な演習を交えながら議論する. また、昨今人工知能のキーテクノロジーとして注目されているディープラーニングについても紹介する。
|
■達成目標 |
○NN,GA,SIの基本的アルゴリズムおよびその特徴を理解し,NN,GAにより問題解決ができる能力を身につける. (専門性:H-2)
|
■評価基準と評価方法 |
レポートの結果を総合して判定する. レポート1では,NNへの理解に対する評価を行う.2課題ほどを予定する. レポート2では,GAへの理解に関する評価を行う. レポート3では,DNNへの理解に関する評価を行う.
|
■履修条件 |
人工知能を履修していることが望ましい.
|
■授業計画 |
第1回 (4/13) ガイダンス:登録とシラバス説明 第2回 (4/20) 階層型神経回路網:マカロック・ピッツモデル,パーセプトロン 第3回 (4/27) 階層型神経回路網(2):線形分離可能性,パーセプトロン学習 第4回 (5/7) 誤差逆伝播法:誤差逆伝播法アルゴリズム,逆伝播法の拡張:逐次修 正と一括修正,慣性項 第5回 (5/11) BP演習 第6回 (5/18) Hopfieldネットワーク:Hopfieldネットの概要,TSPへの応用 第7回 (5/25) Hopfield net 演習 第8回 (6/1) 自己組織化マップ:SOMの概要 第9回 (6/8) SOM演習 第10回 (6/15) 遺伝的アルゴリズム:単純GAのアルゴリズム 第11回 (6/22) 遺伝的アルゴリズム:スキーマ定理と積み木仮説 第12回 (6/29) 遺伝的アルゴリズムの応用:遺伝的プログラミング 第13回 (7/6) GA演習 第14回 (7/13) ディープラーニング概要 第15回 (7/27) ディープラーニングの応用例
|
■事前・事後学習 |
|
■教科書 |
ISBN |
|
■参考書 |
ISBN |
|
■備考(メッセージ) |
|
■オフィスアワー |
月2限,水2限
|
■メールアドレス |
endo@ie.u-ryukyu.ac.jp
|
■URL |
|