パターン認識

科目ナンバリング
1090441675

担当者
牧野 正三

 
常勤
教員研究室
1424
DP
1,3
配当年次
3年次・後期
授業形式
講義
授業時間
30時間
単位
選択 2単位


アクティブ・ラーニング

□協定等に基づく外部機関と連携した課題解決型授業 □ディスカッション・ディベート
 □グループワーク □プレゼンテーション □実習・フィールドワーク ☑該当なし

【授業内容】

パターン認識とは、観測されたデータをあらかじめ定められた概念(クラス)の1つに対応させる処理である。応用として文字認識、音声認識、顔認識などがあり、コンピュータとのコミュニケーションの手段として実用化されている。


【学習の到達目標】

パターン認識の基本を理解し、統計的手法に基づく各種識別関数の設計と認識手法を修得する。


【成績評価方法】

定期試験50%、演習・レポート40%、授業態度10%

【課題等のフィードバック方法】

毎週課題を与え、採点後返却する。理解が不十分な場合は解答を行う。


【履修上の注意・予習・復習について】

線形代数学、確率統計学を履修していることが望ましい。予習・復習を必ず行うこと。遅刻、講義中の私語・飲食・中座は禁止。20分以上の遅刻は受講を認めない。


【受講して得られる効果・メリット、その他】

パターン認識は理系・文系を問わず幅広く利用されている手法である。パターン認識技術を習得すると、社会人になったとき、技術者のみならず営業、管理、経営において有用な知識になる。

授業計画

担当教員学習内容学習課題・必要な学習時間/予習・学習時間時間(分)
1牧野 正三パターン認識の仕組み 人がどのように認識・理解するかを予習し、今回の授業を復習する。240
2牧野 正三統計的パターン認識の枠組み 確率統計学を予習し、確率統計学とパターン認識の関係を復習する。240
3牧野 正三類似度、尤度と距離の関係類似度、尤度とは何かを予習し、3者の関係を復習する。240
4牧野 正三1変量の識別関数平均値、分散、標準偏差について予習し、1変量識別関数との関係を復習する。240
5牧野 正三2変量の識別関数平均値、分散、共分散について予習し、2変量識別関数との関係を復習する。240
6牧野 正三平均値行列と共分散行列線形代数学を予習し、平均値や共分散が行列でどのように表現されるかを復習する。240
7牧野 正三多変量の識別関数の行列表現確率統計学を予習し、正規分布が行列でどのように表されるかを復習する。240
8牧野 正三種々の距離の関係各種の距離が行列でどのように表されるかを予習し、各種の距離の行列表現間の関係を復習する。240
9牧野 正三Bayesの定理
(離散型)
事後確率、事前確率について予習し、離散型Bayesの定理との関係を復習する。240
10牧野 正三Bayesの定理
(連続型)
距離の行列表現と連続型Bayesの定理との関係を予習し、Bayesの定理に基づく計算方法を復習する。240
11牧野 正三階層型クラスタリングクラスタリングとは何かを予習し、距離に基づく方法の長所、短所を復習する。240
12牧野 正三K平均アルゴリズム階層的クラスタリングの短所を予習し、歪に基づく方法の長所を復習で理解する。240
13牧野 正三LBGアルゴリズムk平均アルゴリズムの短所を予習し、LBGアルゴリズムによってどのような長所が生ずるかを復習する。240
14牧野 正三最短経路アルゴリズム最短経路問題とは何かを予習し、最短経路アルゴリズムの計算方法と適用範囲を
復習する。
240
15牧野 正三系列パターンの認識音声等の不定長パターンに最短経路アルゴリズムがどのように適用されるかを予習し、その計算方法と適用限界を復習する。240
教科書
特に指定しない。資料を配布する。
参考書
なし
備考
なし