- 開講元
- システム制御コース
- 担当教員名
- 田中 正行
- 授業形態
- 講義 (Zoom)
- メディア利用科目
- 曜日・時限(講義室)
- 金5-6(S611)
- クラス
- -
- 科目コード
- SCE.I501
- 単位数
- 1
- 開講年度
- 2020年度
- 開講クォーター
- 2Q
- シラバス更新日
- 2020年9月18日
- 講義資料更新日
- -
- 使用言語
- 英語
- アクセスランキング
-
media
講義の概要とねらい
Machine learning is widely used in many applications including autonomous vehicles, robotics, and medical diagnosis. Recognition of an image is one of the best examples of machine learning or artificial intelligence. Topics of the image recognition course includes fundamental components of deep learning such as convolution layer, full connection layer, pooling layer, ReLU layer, and a softmax layer. In this course, students develop and train their network with matlab by themselves.
到達目標
Students are expected to
(i) gain an ability to build and learn deep neural networks,
(ii) gain an ability to use numerical computing environments using MATLAB to solve engineering problems,
(iii) gain practical skill to apply the deep learning techniques such as momentum, data arugumentation and filter setting, after taking this course.
実務経験のある教員等による授業科目等
| ✔ 該当する | 実務経験と講義内容との関連（又は実践的教育内容） |
|---|---|
| A faculty who has a private company experience gives a lecture. |
キーワード
Object recognition, Convolutional neural network (CNN), Deep learning, matlab
学生が身につける力(ディグリー・ポリシー)
| ✔ 専門力 | ✔ 教養力 | コミュニケーション力 | 展開力(探究力又は設定力) | ✔ 展開力(実践力又は解決力) |
授業の進め方
This class is a kind of active learning. Instructor will give some information, but students are required to develop their matlab code.
授業計画・課題
| 授業計画 | 課題 | |
|---|---|---|
| 第1回 | Introduction of course, cifar-10, and sample network, GUI | To run the sample network |
| 第2回 | One hot encoding, softmax, MSEloss, KL-divergence, cross-entropy loss | To compare MSE loss and cross-entropy |
| 第3回 | Convolution and activation, ReLU, LReLU, PReLU | To compare ReLU, LReLU and PReLU |
| 第4回 | Pooling layer and dropout | To compare different parameter of dropout |
| 第5回 | Merge layer and batch normalization | To try Batch normalization |
| 第6回 | Optimization and data augumentation | To compare sgd and adam |
| 第7回 | Parameter tuning 1 | To try parameter tuning |
| 第8回 | Parameter tuning 2 | To try parameter tuning |
授業時間外学修（予習・復習等）
学修効果を上げるため，教科書や配布資料等の該当箇所を参照し，「毎授業」授業内容に関する予習と復習（課題含む）をそれぞれ概ね100分を目安に行うこと。
教科書
None
参考書、講義資料等
None
成績評価の基準及び方法
Assignments and report
関連する科目
- SCE.I531 ： コンピュータビジョン
履修の条件(知識・技能・履修済科目等)
None
その他
Students need to implement the matlab code by themselves.
Student who took the course of Computational Imaging (#SCE.I501) cannot take this course.
