Numbering Code		Year/Term	2022 ・ First semester
Number of Credits	2	Course Type	Lecture
Target Year		Target Student
Language	English	Day/Period	Wed.2
Instructor name	KAWAHARA TATSUYA (Graduate School of Informatics Professor) KAWASHIMA HIROAKI (Graduate School of Informatics Associate Professor)
Outline and Purpose of the Course	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。
Schedule and Contents	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。
Evaluation Methods and Policy	講義中に提示するレポート課題により行う
Course Requirements	None
References, etc.	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)