科目名(英文) |
Pattern Recognition Advanced |
研究室 |
A513 |
授業の概要・位置づけ |
本講義では、以下の3つのレベルについて詳細に説明を行い,パターン認識の古典から現代的理論に至る変遷を辿ると同時に,演習問題を通じてその応用能力を涵養する. 1. ベクトル空間、直交展開、主成分分析などの数学的準備 2. 統計的識別法、線形識別関数、TLU(Threshold Logic Unit)とニューラルネットの関係、部分空間法・類似度法、最近傍識別器などの基本的な識別法 3. SVM(Support Vector Machine)とADA Boostingなどの高度な識別理論と最近傍識別器との関連および最近傍探索などの関連技術
本講義では,多次元ベクトルで表現されるパターンを学習・識別・分類する方法について,基礎から最新理論に至るまでを学ぶ.これはコンピュータを用いた定量的・統計的データの解析手法の一つであり,画像理解,音声認識など広い意味での人工知能研究の基礎となる講義である.
|
授業計画 |
- 数学的準備1(ベクトル空間、直交展開)
- 数学的準備2(直交展開,主成分分析)
- 線形識別関数、TLU(Threshold Logic Unit)とニューラルネットの関係
- 判別分析
- 統計的識別法
- 部分空間法・類似度法
- 最近傍識別器とCondensing
- 最近傍探索法
- SVM(Support Vector Machine)
- トランスポーズトリックとカーネル主成分分析
- ADA Boosting
- 決定木とその最適化
- 不変特徴抽出
- 演習問題
- まとめ
|
到達目標 |
レベル1:直交展開と主成分分析,および正規分布とマハラノビス距離の関係の理解 レベル2:線形識別関数とTLU,ニューラルネットの関係の理解 レベル3:統計的識別法と判別分析,部分空間法・類似度法の関連の理解 レベル4:SVM,ADA Boostingと最近傍識別理論の関係の理解 レベル5:これら相互の関連の理解と,応用能力 レベル3までを可とし,4までを良,5まで達成できた場合優と判定する.
|
成績評価方法 |
16週目に実施する筆記試験によって成績の評価を行う.
|
教科書 |
資料配布による.
|
参考書 |
・「わかりやすいパターン認識」オーム社 石井健一郎,上田修功,前田英作,村瀬洋
・「パターン理解」 オーム社 白井良明
|
参考書 |
http://vrl.sys.wakayama-u.ac.jp/PRA/
|
備考 |
パワーポイントによる講義を行う. 線形代数と微分に関する知識、およびプログラミング技能を習得しておくことが望ましい. 出席,総合演習課題,試験により評価する.
|