- 開講元
- 情報通信系
- 授業形態
- 講義
- メディア利用科目
- 曜日・時限(講義室)
- 月7-8(W331) 木7-8(W331)
- クラス
- -
- 科目コード
- ICT.S311
- 単位数
- 2
- 開講年度
- 2019年度
- 開講クォーター
- 3Q
- シラバス更新日
- 2019年9月17日
- 講義資料更新日
- 2019年12月10日
- 使用言語
- 日本語
- アクセスランキング
-
講義
第1回 前半7回の講義の概要。生体のニューラルネットワークとその工学的モデル。モデルの計算方法。プログラミング方法。
2019年09月26日(木) 7-8時限開講
講義
第2回 階層型ニューラルネットワーク学習の数学的基礎その１(各種活性化関数、SoftMax、ロジスティック回帰、勾配法、チェインルール)
2019年09月30日(月) 7-8時限開講
講義
第3回 階層型ニューラルネットワーク学習の数学的基礎その2(誤差逆伝搬法とその回帰的計算方法)
2019年10月03日(木) 7-8時限開講
講義
第4回 階層型ニューラルネットワークとその学習のプログラミング方法
2019年10月07日(月) 7-8時限開講
講義
第5回 Convolutional Neural Networkの計算原理(コンボリューションとプーリング、SoftMaxの計算とその役割)と性能向上法(汎化性能向上と過学習防止の技法)
2019年10月17日(木) 7-8時限開講
講義
第6回 Convolutional Neural Network学習の数学的基礎(勾配法と誤差逆伝搬法の適用)
2019年10月21日(月) 7-8時限開講
講義
第7回 Convolutional Neural Networkの学習のプログラミングと実装と実行、性能の体験
2019年10月24日(木) 7-8時限開講
講義
第8回
2019年10月28日(月) 7-8時限開講
講義
第9回 後半８回の概要。３種類の機械学習「教師あり回帰」「教師あり分類」「教師なし学習」について。Pythonを用いた機械学習の環境準備。
2019年10月31日(木) 7-8時限開講
講義
第10回 最小二乗法、オーバーフィッテイング, スパース学習、ロバスト学習。
機械学習2_2(1148KB) 講義
第11回 機械学習ライブラリscikit-learnを使った分類問題。ロジスティック回帰、サポートベクトルマシン、カーネルトリック、決定木学習。
講義
第12回 クラスタ分析。k-means法について。データ前処理について。欠測値、特徴量の尺度、L1正則化。
講義
第13回 最尤推定法、確率を用いた推定理論、推定量の一致性と不偏性。EMアルゴリズム、ベイズ推定、確信度。
講義
第14回 次元削減によるデータ圧縮。主成分分析、線形判別分析、カーネル主成分分析。
2019年11月18日(月) 7-8時限開講
講義
第15回 アンサンブル学習。多数決方式、ランダムフォレスト,バギング、ブートストラップ法、アダブースト。
2019年11月21日(木) 7-8時限開講
講義
第16回 後半の理解度確認のための演習（期末試験）、実習（プログラミング）。
PDFファイルをご覧になるには、AdobeSystem社のプラグインソフトとして「Adobe Reader」が必要です。
お持ちでない方はこちらからダウンロード（無料）してご利用ください。
