コンテンツに飛ぶ | ナビゲーションに飛ぶ

  • 日本語
  • English
 

パターン認識特論

JA | EN

開講年度・開講期 2020・前期
単位数 2 単位
授業形態 講義
対象学生 大学院生
使用言語 英語
曜時限 水2
教員
  • 河原 達也(情報学研究科 教授)
  • 川嶋 宏彰(情報学研究科 准教授)
授業の概要・目的 まず、パターン認識系に関する基礎、距離尺度とクラスタリング、識別関数とその学習法などについて概説する。その上で、より高度な識別器(SVM、HMM など)、及び機械学習理論 (EM 学習、MDL 基準、ベイズ学習など) について、オムニバス形式で紹介する。
授業計画と内容 情報科学的認識論
情報科学の立場から、「信号」、「記号」、「パターン」の定義を行い、パターン認識機能を実現するための計算機構について講述する。
統計的特徴抽出
文字認識や画像認識などで用いられる統計的特徴抽出について、主成分分析や部分空間法などの代表的手法を紹介する。
クラスタリング
ラベルがないデータをまとめて自動的に分類するためのクラスタリングに関して、k-平均法などの典型的な手法や、その際に用いられる距離尺度を紹介する。
最尤推定とEMアルゴリズム
混合正規分布モデルやHMMなどを学習する際の基礎である最尤推定とEMアルゴリズムについて解説する。また最尤推定以外の学習規範(MDL・MCE・ベイズ学習など)についても紹介する。
時系列パターンの認識
音声やジェスチャなどの時系列パターンを認識するための代表的な手法であるDPマッチング、HMMについて解説する。
識別モデル
より識別指向の機械学習・パターン認識手法であるSVM(サポートベクトルマシン)、最大エントロピー法、CRF(条件付き確率場)などについて紹介する。
成績評価の方法・観点 講義中に提示するレポート課題により行う
履修要件 特になし
参考書等
  • パターン認識と機械学習 上・下(2007), C.M.ビショップ(元田浩ら訳), (シュプリンガー・ジャパン),
  • 情報の組織化, 岩波講座マルチメディア情報学 Vol. 2(2000), 長尾, 松山, 杉本, 佐藤, 麻生, (岩波書店),
  • わかりやすいパターン認識(1998), 石井, 上田, 前田, 村瀬, (オーム社),
  • Pattern Classification(2001), Duda, Hart, Stork, (John Wiley & Sons),