専攻 | 選択・必修 | 開設時期 | 単位数 | 授業形態 | 担 当 | |||
情報電子 | 選択 | 2年前 | 2 | 講義 | 奥本 幸 | |||
【授業の概要】 本講義では、パターン認識について学びます。パターン認識は、郵便番号の文字認識、デジカメの顔認識、音声認識など多くの分野に活用されている基礎的な技術です。 長い研究の歴史があり、学問体系として確立している統計的パターン認識において、認識の対象となる入力データに依存しない識別系と特徴抽出系について学びます。特に、特徴圧縮技術、パーセプトロン・判別分析を主な例としたパターン認識手法、およびパターン認識手法の性能を評価する手法について学びます。 | ||||||||
【学修の進め方】 講義形式で行います。授業内容を確実に身につけるために、毎回演習の時間を設け、課題をレポートとして提出します。この講義では、線形代数をよく使うため、本科で習ったことの復習が必要です。 最後に、画像を入力データとする特徴抽出・照合、画像に基づく3次元幾何解析について、提示したテーマから興味のあるものを選んで調査し、理解したことを発表する。 | ||||||||
【授業計画】 | 【授業項目】 | 【内 容】 | ||||||
1 回 | オリエンテーション パターン認識とは |
シラバスにより授業の概要を説明する。次に、パターン、クラス、学習、パターン認識系の構成について説明する。 | ||||||
2 回 | 数学的準備(1) | 線形代数(固有値、固有ベクトル)の復習をする。 | ||||||
3 回 | 数学的準備(2) | 確率、統計の復習をする。 |
||||||
4 回 | 学習と識別関数(1) | 学習の必要性、最近傍決定則、線形識別関数について学ぶ。パターン分布の統計的構造に基づいてパターン認識問題を解く統計的パターン認識理論について学ぶ。 | ||||||
5 回 | 学習と識別関数(2) |
パーセプトロンの学習規則について学ぶ。 | ||||||
6 回 | 誤差評価に基づく学習 | Widrow-Hoffの学習規則、誤差評価について学ぶ。 | ||||||
7 回 | 識別部の設計(1) | パラメトリック・ノンパラメトリックな学習、パラメータの推定について学ぶ。 | ||||||
8 回 | 識別部の設計(2) | 識別関数の設計について学ぶ。 | ||||||
9 回 | 識別部の設計(3) | 特徴空間の次元数と学習パターン数、識別部の最適化について学ぶ。 | ||||||
10 回 | 特徴の評価とベイズ誤り確率 | 特徴の評価、ベイズ誤り確率について学ぶ。 | ||||||
11 回 | 特徴空間の変換(1) | 特徴選択、特徴量の正規化、KL展開について学ぶ。 | ||||||
12 回 | 特徴空間の変換(2) | 線形判別法について学ぶ。 | ||||||
13 回 | 課題研究(1) | 特徴抽出、照合、3次元幾何解析に関して、複数のテーマを提示する。その中で興味のあるものを選び、理解する。 | ||||||
14 回 | 課題研究(2) | 選んだテーマについて、プレゼンを行う。 | ||||||
15 回 | 期末試験 | 本講義で学習した事項について理解度を問う。 | ||||||
16 回 | まとめ | 答案を返却し、解説を行う | ||||||
【到達目標】 | 一般的なパターン認識系の構成が説明できる。 代表的な識別、学習のアルゴリズムが説明できる。 | 【徳山高専学習・教育目標】 | C1 | 【JABEE基準】 | 1(2)d-1 | |||
【評価法】 | 試験60%、授業中の演習30%、課題研究10%で評価する。 | |||||||
【テキスト】 | 教科書:わかりやすいパターン認識、石井健一郎他著(オーム社) 参考書:はじめてのパターン認識、平井有三著(森北出版) | |||||||
【関連科目】 | 本科:統計学(5年)、確率(3年)、数学IIIB(3年) 専攻科:画像処理応用(2年) |