授業情報/Course information

開講学期/Course Start 2016年度/Academic Year  後期/Second
開講曜限/Class period 月 /Mon  3 , 月 /Mon  4
授業区分/Regular or Intensive 週間授業
対象学科/Department 情報電子工学系学科
対象学年/Year 3年,4年
授業科目区分/Category 教育課程 主専門教育科目
必修・選択/Mandatory or Elective 選択
授業方法/Lecture or Seminar 講義
授業科目名/Course Title 認識と学習/Learning and Recognition
単位数/Number of Credits 2.0
担当教員名/Lecturer 倉重健太郎(情報電子工学系学科コンピュータ知能学コース)
時間割コード/Registration Code C4722
連絡先/Contact 倉重健太郎(V204
0143-46-5489
kentarou[at]csse.muroran-it.ac.jp)
オフィスアワー/Office hours 倉重健太郎(水曜日 16:30-17:00)
更新日/Date of renewal 2016/09/26
授業のねらい
/Learning Objectives
情報関連技術の高度化と普及に伴い,現在の情報科学で扱うべき「情報」の種類は急速に多様化・複雑化が進んでいる.しかし,コンピュータの処理能力がいくら向上しても,あらゆる場面で適切な処理を行うシステムの構築は簡単ではない.無数の状況を事前に想定し,その処理方法を逐一プログラムすることは限界がある.このため,現在の情報処理システムは,単なる計算機ではなく,現在の状況を自ら「認識」し,適応的に「学習」する,知的なシステムであることが求められている.本講義では,機械学習に関する基本的なアルゴリズムを理解し,現実の問題に応用できる能力を習得する.また,新たな機械学習を創造するめたに,人における近く心理について理解を深め,人に対する学習理論の現状について知識を深める.
到達度目標
/Outcomes Measured By:
1.機械学習に関する基礎的なアルゴリズムを理解し,その特徴を説明できる(理解力).
2.機械学習のアルゴリズムを,具体的な問題に応用できる(応用力).
3.人の知覚心理について理解し,その特徴を説明できる(理解力).
授業計画
/Course Schedule
総授業時間数(実時間);24時間

通常授業
1回目 強化学習概要
2回目 強化学習問題
3回目 行動選択手法概要
4回目 適用事例集
5回目 動的計画法
6回目 モンテカルロ法
7回目 TD学習:概要
8回目 TD学習:TD制御の定式化
9回目 TD学習:Sarsa,Q学習
10回目 TD学習:アクタークリティック手法,R学習
11回目 適格度トレース:概要
12回目 適格度トレース:Sarsa,Q学習
13回目 適格度トレース:アクタークリティック手法,R学習
14回目 学習手法演習
15回目 強化学習の特徴および定期試験に相当する試験実施

教科書の該当部分をあらかじめ予習して講義に臨むこと.
教科書
/Required Text
強化学習 Richard S. Sutton, Andrew G. Barto [著] ; 三上貞芳, 皆川雅章共訳  森北出版 2000(ISBN:4627826613)
成績評価方法
/Grading Guidelines
・成績は定期試験にて評価し,100点満点中60点以上の者を合格とする.

各到達度目標の評価方法は,次のように行う.
目標1.定期試験において論述問題を出題し,達成度を評価する.
目標2.定期試験において実例を分析する問題を出題し,達成度を評価する.
目標3.定期試験において論述問題を出題し,達成度を評価する.
履修上の注意
/Notices
不合格者は再履修とする。
教員メッセージ
/Message from Lecturer
・「認識と学習」で学ぶ柔軟で適応的な情報処理技術は,情報科学のあらゆる場面で必要とされるものである.本講で扱う内容は,現在も新たな知見が続々と集積されつつある進展中の分野であり,将来研究開発の一線に立つ諸君に,今後様々な応用が見込まれるこの分野に対応できるよう,その基礎理論と考え方について理解を深めるものである.
学習・教育目標との対応
/Learning and Educational Policy
この授業科目は情報電子工学系学科の情報システム学コースとコンピュータ知能学コースの教育目標の以下の項目に対応している.
・情報技術者[コンピュータサイエンス]情報工学の基礎知識と応用能力を身につける.
関連科目
/Related course
・履修の必須要件となる科目はないが,1年次開講の「線形代数」,2年次開講の「確率・統計」の内容を修得していると理解しやすい.
・講義「認識と学習応用演習」では,本講義で学ぶ内容を実習を通して習得する.
No. 回(日時)
/Time (date and time)
主題と位置付け(担当)
/Subjects and instructor's position
学習方法と内容
/Methods and contents
備考
/Notes
該当するデータはありません