2020年度 スパース信号処理と最適化   Sparse Signal Processing and Optimization

文字サイズ 

アップデートお知らせメールへ登録 お気に入り講義リストに追加
開講元
知能情報コース
担当教員名
小野 峻佑 
授業形態
講義
メディア利用
Zoom
曜日・時限(講義室)
-
クラス
-
科目コード
ART.T465
単位数
2
開講年度
2020年度
開講クォーター
3Q
シラバス更新日
2020年6月7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

概要:スパース性に基づく信号・情報処理技術および関連する最適化技術について講義・演習を行う。
ねらい:主に、スパース性がなぜ重要か、どのようにスパース性をモデル化するか、なぜ最適化技術(特に微分できない目的関数を扱うもの)が必要になるか、どのような応用があるか、等について講義し、理解を深めるためにMATLAB/Pythonを用いた演習を行う。講義終盤には自ら関連分野の論文を調査し紹介・議論することで、最先端の研究に触れる。

到達目標

スパース信号処理と関連する最適化技術を理解・実装できる。

実務経験のある教員等による授業科目等

-

キーワード

スパース/低ランク信号処理、非可微分最適化、圧縮センシング、信号復元

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

参加者は講義の座学(偶数回)と演習(奇数回)を交互に行う。講義終盤では自ら論文調査を行い発表する。

授業計画・課題

  授業計画 課題
第1回 導入 講義の概要とねらいを理解する
第2回 [講義] 基礎的な数学的道具 スパース信号処理に必要な数学的道具を理解する。
第3回 [演習] 基礎的な数学的道具 スパース信号処理に必要な数学的道具を実装する。
第4回 [講義] 近接勾配法とスパース信号推定 近接勾配法とそのスパース信号推定応用について理解する。
第5回 [演習] 近接勾配法とスパース信号推定 近接勾配法によるスパース信号推定を実装する。
第6回 [講義] 交互方向乗数法とロバスト主成分分析 交互方向乗数法とそのロバスト主成分分析応用について理解する。
第7回 [演習] 交互方向乗数法とロバスト主成分分析 交互方向乗数法によるロバスト主成分分析を実装する。
第8回 [講義]主-双対近接分離法と画像復元 主-双対近接分離法とその画像復元応用について理解する。
第9回 [演習] 主-双対近接分離法と画像復元 主-双対近接分離法による画像復元を実装する。
第10回 [講義] 発展的な応用例 発展的な応用例について理解する。
第11回 [演習] 発展的な応用例 発展的な応用例を実装する。
第12回 論文調査・読解 論文の調査・読解方法を理解する。
第13回 論文発表(前半) 本講義に関連する分野の論文を紹介し議論する。
第14回 論文発表(後半) 本講義に関連する分野の論文を紹介し議論する。

教科書

必須のものは特に無い

参考書、講義資料等

講義スライドを授業時に共有する.

成績評価の基準及び方法

演習内容(実装したソースコード、50%)と論文紹介内容(スライド・質疑応答、50%)を元に評価する。

関連する科目

  • MCS.T402 : 数理最適化理論
  • ART.T458 : 先端機械学習

履修の条件(知識・技能・履修済科目等)

必須:線形代数・微分積分・確率統計・MATLABかPythonによるプログラミング経験
推奨:関数解析・数値計算

その他

演習に関してはMATLABかPythonがインストールされたノートパソコンが必要。
演習内容(ソースコード)の提出はMATLAB・Pythonどちらでも良いが、スライド資料に記載されるサンプルコードはMATLABで実装されたものである。

このページのトップへ