|
準備学習・事後学習
|
|
|
本講義では，非線形力学とデータサイエンスを融合させた内容を展開する．従って，学部および修士課程で修得した線形代数，応用力学，および制御工学の講義および特論の内容を復習しておくこと。また、最新の国際的な総合科学雑誌や機械工学分野に関連する専門の学術雑誌に目を通し、進展する学問の方向性を把握するように努めること。さらに、受講の際に、事前に配布される資料の内容およびそれに関連する事項について自ら調査を進めておくこと。質疑により知識・理解が不十分であると判断される場合には、授業後に関連する文献や専門書を読み、理解を深めること。以上の学習により、講義時間の2倍以上の自学自習時間を確保すること。
|
|
|
|
授業の概要と目的
|
|
|
課題発掘能力・問題解決能力を涵養するために、自身の研究テーマが属する分野に関わる知識はもちろんのこと、機械工学においても，実装技術の発展が目覚ましいデータサイエンス関連分野についての素養を持つことが必要である。本科目は、非線形力学ついて講義し、その内容とデータサイエンスとの結びつきを議論することで、先端科学における発想法・思考法などを会得してもらうことを目的とする.
|
|
|
|
該当するCP（カリキュラム・ポリシー）およびDP（ディプロマ・ポリシー）
|
|
|
本授業はCP1.2.3.4およびDP1.2.3に該当する。
|
|
|
|
科目ナンバリングコード
|
|
|
|
|
到達目標
|
|
|
非線形力学解析とデータサイエンスに係る解析方法を習得し，それらに係る研究事例を機械工学分野の中で正しく位置づけ、説明することができる。
|
|
|
|
授業内容
|
|
| |
|
番号
|
【項目欄】
|
【内容欄】
|
|
|
1．
|
機械学習の動向
|
最新の機械学習に係る研究動向を議論する．
|
|
|
2．
|
社会課題① 非線形力学概論
|
非線形力学を機械運動のモデリングから学ぶ．
|
|
|
3．
|
社会課題② データサイエンス概論
|
データサイエンスに関する最新動向と実装技術に関して議論する．
|
|
|
4．
|
調査① 行列と線形代数
|
データサイエンスにて必要な行列演算を学び，線形代数のデータサイエンスでの使われ方を実践する．
|
|
|
5．
|
調査② 線形代数と非線形力学
|
線形力学と非線形力学の違いを，表現，振る舞い，及び解析手法の違いを学ぶ
|
|
|
6．
|
調査③ 非線形力学の線形化
|
非線形解析に必要な不動点と不動点周りの線形化手法に関して，多次元表現を学ぶ
|
|
|
7．
|
調査④ ヤコビアンと疑似逆行列
|
非線形解析で頻繁に使用するヤコビアンと特異点に関して議論する．
|
|
|
8．
|
調査⑤ 非線形力学解析
|
解析可能な非線形力学モデルに関する解析方法を学ぶ．
|
|
|
9．
|
調査⑥ 行列とデータサイエンス
|
データサイエンスにおける行列の使われ方に関して議論する．
|
|
|
10．
|
調査⑦ ベンチマーク問題
|
データサイエンスにおける手法の客観評価について学ぶ
|
|
|
11．
|
調査⑧ データ統計解析
|
統計計算について学び，さらにビッグデータの活用法を議論する．
|
|
|
12．
|
調査⑨ データサイエンスと機械学習
|
データサイエンスと機械学習の結びつきについて統計学的観点から学ぶ．
|
|
|
13．
|
調査⑩ ニューラルネットワーク
|
基底関数の例としてニューラルネットワークを学ぶ．
|
|
|
14．
|
調査⑪ 非線形力学とデータサイエンスの結びつき1
|
非線形力学とデータサイエンスの結びつきを統計学的観点から議論する．
|
|
|
15．
|
調査⑫ 非線形力学とデータサイエンスの結びつき2
|
非線形力学とデータサイエンスの結びつきを援用した最新の研究動向を議論する．
|
|
|
|
|
授業方法の形式
|
|
|
|
|
授業の実施方法
|
|
|
|
|
成績評価方法
|
|
授業時間内での質疑応答・議論の内容（80％）：対象となる研究内容の理解度，説明手法
受講の際の事前準備の状況（20％）：論理の展開方法，関連事項の調査
|
|
|
|
成績評価基準
|
|
|
C(合格)となるためには、到達目標を最低限達成することが必要である．
|
|
|
|
その他（履修条件・関連科目など）
|
|
|
|
|
テキスト
|
|
| |
|
番号
|
【書籍名】
|
【著者】
|
【出版社】
|
|
|
1．
|
適宜プリント配布
|
|
|
|
|
|
|
参考資料文献等
|
|
|
|
|
参考URL
|
|
|
|
|
画像
|
|
|
|
|
ファイル
|
|
|
|
|
更新日付
|
|
2024/02/27 09:41
|