| 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） | |||||||