| 授業科目 人工知能応用 |
担当教員 占部 弘治 |
開講期 前期
| |
| 科目番号 620124 |
対象学年・学科・コース 2年 電子工学専攻 |
単位区分 |
単位数 2単位 |
| 授業概要・授業方針
生物や物理現象に観察される最適化プロセスをコンピュータで実現したナチュラルコンピューティングについて学習する。従来の最適化手法から始まり、さまざなま最適化手法について、実践的な演習を行いながら修得する。
|
到達目標
|
|
| 授業要目 | 到達目標 との対応 |
自己点検 |
| 1 | 情報システムの発展とニューラルネットワークの基礎 | 1 | |
| 2 | 階層型ネットワークと誤差逆伝搬法による学習 | 1 | |
| 3 | 階層型ネットワークの応用 | 1 | |
| 4 | 階層型ネットワークの演習 | 1,2 | |
| 5 | ナチュラルコンピューティングと最適化問題 | 2 | |
| 6 | 相互結合型ニューラルネットワーク | 1,2 | |
| 7 | 相互結合型ニューラルネットワークの応用 | 1,2 | |
| 8 | 中間試験 | ||
| 9 | ボルツマンマシン | 1,2 | |
| 10 | ボルツマンマシンの演習 | 1,2 | |
| 11 | 山登り法、シミュレーテッドアニーリング | 2 | |
| 12 | 遺伝的アルゴリズム | 1 | |
| 13 | 遺伝的アルゴリズムの演習 | 1,2 | |
| 14 | 粒子群最適化法 | 2 | |
| 15 | アントコロニー最適化法 | 2 | |
| 16 | 期末試験 | ||
| 17 | 試験返却・解説・復習 |
| 到達達成度の指標（ルーブリック） |
| 到達 目標 |
理想的なレベル（Ａ）の目安 | 標準的なレベル（Ｂ）の目安 | 未到達なレベル（Ｃ）の目安 | 自己評価 |
| 1 | ニューラルネットワーク、遺伝的アルゴリズムについて説明ができ、基本的な計算を行うことができる | ニューラルネットワーク、遺伝的アルゴリズムについて説明ができる | ニューラルネットワーク、遺伝的アルゴリズムについて説明ができない | Ａ・Ｂ・Ｃ |
| 2 | 基本的な問題の解法に用いる最適化手法を選択でき、その計算を行うことができる | 基本的な問題の解法における最適化手法の計算ができる | 基本的な問題の解法に用いる最適化手法を選択できない | Ａ・Ｂ・Ｃ |
| 到達度評価
演習の報告書で30%、定期試験で70%の評価を行う
|
||||||||||||
| 履修上の注意
授業の欠席回数が１/４を超えた場合は、原則として単位を認定しない。 教科書に沿った内容の課題を出し、それを学生が次回の講義までにまとめて発表するゼミ形式で行う。議論には積極的に参加して欲しい。 また、コンピュータを利用した演習も行う。 |
||||||||||||
| 事前学習・自己学習・関連科目
【事前学習】演習でプログラム製作を行うので、プログラミングや数値計算に関連した科目、情報理論やアルゴリズムに関する知識の予習が必要。 【自己学習】講義はゼミ形式で行われるため、事前の準備が必要である。演習については、演習室や自分のPCで実施してもかまわない。 【関連科目】生物の振る舞いをもとにコンピュータでのシミュレーションを扱うことから、生体情報工学と関連が深い。また、応用にはメカトロニクス特論で学ぶ分野にも広がっていることから、この科目との関連も深い。 |
||||||||||||
学習・教育目標
|