授業ノート・
ビデオのある講義

 

3535000 適応システム論

シラバスID g_inf_4777
開講年度・開講期 前期
授業形態 講義
対象学生 Graduate
使用言語 日本語
曜時限 木2
教員
  • 田中 利幸(情報学研究科)
授業の概要・目的 生物や人間のもつ適応や学習の能力を人工的に実現するための理論について講述する.具体的には,推論,学習などの問題に対する,確率論および統計科学にもとづいた数理的アプローチに重点をおいて講義する.
到達目標 推論,学習などの問題に対する確率論および統計科学にもとづいた数理的アプローチについて理解する.
授業計画と内容 統計的決定理論の基礎(2回)
現象の確率的記述にもとづく意思決定の基礎となる統計的決定理論の基礎的事項を解説する.
確率推論のための近似アルゴリズム(3回)
確率モデルにもとづく推論を行う際に生じる計算複雑度の問題を回避するための近似推論アルゴリズムについて述べる.
統計的学習理論の基礎(3回)
収集したデータから構造的特徴をいかにして取り出すべきかを議論する統計的学習理論について,その基礎を講述する.
サポートベクターマシン(3回)
パターン認識や分類に関する多様な問題に幅広く活用されているサポートベクターマシンについて,数理的な側面に重点をおいて解説する.
スパースモデリング(4回)
対象のスパースさに注目して情報処理を行う枠組みであるスパースモデリングについて,圧縮センシング,低ランク行列再構成などの話題を中心に解説する.
成績評価の方法・観点及び達成度 レポートにもとづいて評価する.講義で説明する基本的な概念について理解するとともに,簡単な例題について実際にプログラムを組むことができるようになることを達成目標とする.
履修要件 確率論,統計学の基礎的な知識を前提とする.
授業外学習(予習・復習)等 講義で説明した話題について,自らプログラムを作成し数値実験を行うことで理解を深めることが望ましい.
参考書等
  • 講義中に適宜紹介する.