シラバス参照

科目名 知能システム制御工学特論 
科目名(英字) Advanced Intelligent Systems Control Engineering 
担当者氏名

楊 剣鳴

対象研究科・専攻 理工学研究科メカトロニクス工学専攻修士課程 
講義学期 前期 
単位数



準備学習・事後学習
数学の基礎,古典制御理論,電子システムの基本知識が必要です. 
授業の概要と目的
ロボットシステムは,要素技術というよりも,多数の技術を駆使する知能システムの代表である.知能システムの制御を実現するための基礎となる制御理論を学ぶだけでなく,コンピュータによる人工知能、機械学習などについて体系的に学ぶ.また,理解度を確認するため,レポートや演習問題を適宜行う.
本授業はDP2および1に該当する 
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)
科目ナンバリングコード
到達目標
コンピュータによる人工知能、機械学習の基本と実現について理解し,コンピュータによる知能制御に活用できるようにする. 
授業内容
番号 【項目欄】 【内容欄】
1. 人工知能の概要  人工知能のの基本について説明する.

レベル:人工知能の基本構成を理解できる. 
2. 人工知能における研究課題:機械学習  人間のように学習能力をコンピュータで実現しようとする技術について紹介する.レベル:ロボットのメカニズムと駆動機構などを理解できる. 
3. 機械学習のための基礎知識1  特徴検出、特徴量記述の基本概念について説明する.

レベル:特徴検出、特徴量記述の基本計算ができる. 
4. 機械学習のための基礎知識2  運動復元、物体追跡の基本概念について説明する.

レベル:運動復元、物体追跡の基本計算できる. 
5. 機械学習のための基礎知識3  画像レジストレーション、カメラモデルについて説明する.

レベル:画像レジストレーション、カメラモデルを構築できる. 
6. 機械学習のための基礎知識4  カメラキャリプレーション、3次元再構成について説明する.

レベル:カメラキャリプレーション、3次元再構成を理解できる. 
7. 人工的なデータの生成  機械学習で使用するデータ、および検証について説明する.

レベル:人工的なデータの生成方法を理解できる. 
8. ニューラルネットワーク  機械学習で使用するニューラルネットワークについて説明する.

レベル:ニューラルネットワークを理解できる. 
9. 機械学習の基本:主成分分析、クラスタリング  主成分分析、クラスタリング手法について説明する.

レベル:主成分分析、クラスタリングのプログラムを作成できる. 
10. 機械学習の基本:k最近傍法  k最近傍法の原理について説明する.

レベル:k最近傍法のプログラムを作成できる. 
11. 機械学習の基本:ベイズ識別  ベイズ識別について説明する.

レベル:ベイズ識別による分類処理できる. 
12. 機械学習の手法:サポートベクトルマシン  サポートベクトルマシンによる識別について説明する.

レベル:サポートベクトルマシンのプログラムを作成できる. 
13. 機械学習の手法:決定木  決定木による識別について説明する.

レベル:決定木のログラムを作成できる. 
14. 機械学習の手法:ブースティング  ブースティングによる識別について説明する.

レベル:ブースティングのログラムを作成できる. 
15. 機械学習識のまとめ:識別器の性能評価  識別器の性能評価について説明する.

レベル:性能評価を理解できる. 
授業形態・方法
講義、輪講および論文,関連文献を用いて討論する. 
その他(履修条件・関連科目など)
制御工学、線形代数、微分方程式に関する基礎知識 
成績評価方法
討論・プレゼンテーション・課題レポートを3:3:4で評価する.
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。 
成績評価基準
テキスト
参考資料文献等
番号 【書籍名】 【著者】 【出版社】
1. OpenCVによるコンピュータビジョン・機械学習入門  中村 恭之, 小枝 正直, 上田 悦子  KS情報科学専門書 
参考URL
画像
ファイル
更新日付 2021/11/22 16:40


PAGE TOP