- 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 (ハイフレックス型)
- メディア利用科目
- 曜日・時限(講義室)
- 月3-4(J2-305(J232)) 木3-4(J2-305(J232))
- クラス
- -
- 科目コード
- ART.T465
- 単位数
- 2
- 開講年度
- 2023年度
- 開講クォーター
- 3Q
- シラバス更新日
- 2023年3月20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・整理することで、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。
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。 |
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
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。
