I 画像,スペクトラムデータ解析,波形解析,センサ等の計測データ解析,感性工学等における多次元データの特徴抽出,分類等のパターン情報処理,パラメータの最適化等に関するデータ解析手法の基礎を理解する。
II 確率統計の基礎,多次元データの取扱い,主成分分析法,回帰分析法,判別分析法,クラスタ分析法,ニューラルネットワーク,最適化問題,シンプレックス法,最急降下法,ニューラルネットワークを用いた最適化問題の解法,多次元データ解析手法の応用。
画像,スペクトラムデータ解析,アレイ化センサ等の計測データ解析,感性工学等における基礎となる多次元データの特徴抽出,分類等のパターン情報処理,パラメータの最適化等に関する解析手法を学ぶ.
多次元データ解析の基礎を理解し,その手法を使用することが可能になる.
01. 確率統計の基礎
02. 多次元データの取扱い
03. 主成分分析法(1)
04. 主成分分析法(2)
05. 回帰分析法
06. 判別分析法
07. 中間試験
08. クラスタ分析法
09. ニューラルネットワーク(1)
10. ニューラルネットワーク(2)
11. 最適化問題
12. シンプレックス法
13. 最急降下法,共役勾配法
14. ニューラルネットワークを用いた最適化問題の解法
15. 多次元データ解析手法の応用
授業中に適宜資料を配布する。
参考書等
杉山高一 『多変量データ解析入門』 朝倉書店
W. R. Dillon and M. Goldstein, Multivariate Anaysis, Wiley.
K.R.Beebe, R.J.Pell and M.B.Seasholtz, Chemometrics -A Practical Guide-, Wiley.
応用確率統計,ディジタル信号処理を履修していることが望ましい。
配点は,中間試験 40点,期末試験 40点,レポートや出席点等 20点。
要素技術だけでなくシステム的な考え方を講義を通して身につけてほしい。