コンテンツに飛ぶ | ナビゲーションに飛ぶ

  • 日本語
  • English
セクション
現在位置: ホーム ja 学術情報メディアセンター 知能型システム論 シラバス

シラバス

[配当学年]

電気電子工学科 3回生後期

[担当者]

松山,喜多

[内容]

人間の知的活動のモデルとして様々な知能型システムが提案されている.この講義では,複雑な問題における最適解を求めるための手法として,状態空間の探索による問題解決,対戦ゲームソフトウェアの構成法および分枝限定法を講述するとともに,例題からの学習を行うニューラルネットワークの教師あり学習,教師なし学習,強化学習について,基本的事項と応用例を講述する.

[授業計画]

状態空間の探索による問題解決(3回)
多くの知的活動は,オペレータによってシステムの状態を変化させ,目的とする状態にたどり着くプロセスとしてモデル化できる.ここでは,8パズルなど簡単な例を使って,状態空間の表現法と各種の状態空間探索アルゴリズムを紹介する.

対戦ゲーム(2回)
2人で行う対戦ゲームでは,よりよい手を選ぶために先読みが必要となる.ここでは,対戦ゲームの進行状況をゲームの木によって表現し,よりよい手を選ぶための探索アルゴリズムを紹介する.

分枝限定法(2回)
分枝限定法は,各種の制約条件の下で評価関数を最適化する解を効率的に探索するための(メタ)アルゴリズムである.ここでは,具体的な例を基にしてその基本的考え方を説明する.

AND-OR木の探索(2回)
問題を幾つかの部分問題に分割し,部分問題間の論理的関係をAND-OR木として表す方法および,AND-OR木で表された状態空間の探索アルゴリズムを講述する.

ニューラルネットワークの教師あり学習(3回)
例題から入出力関係を学習するシステムとしてニューラルネットワークの代表的構成法である多層パーセプトロンとその学習法であ る誤差逆伝播学習法について,その基礎となる最小自乗法,勾配法による非線形最適化などを含めて講義する.

ニューラルネットワークの教師なし学習(1回)
入力データを内部の規範に基づき自動分類する教師なし学習について,その基本的な考え方と代表的な方式である自己組織化マップについて,構成法,学習法,応用を紹介する.

動的計画法と強化学習(2回)
報酬や罰に基づき行動を獲得する手法である強化学習について,とくに多段階の行動の獲得のための学習アルゴリズムである Q-学習法を中心に,システム最適化の重要な技法である動的計画法との関連を含めて講義する.

[予備知識]

計算機ソフトウェアおよびシステム最適化の知識を必要とする.