| 第1回 |
内容
|
パターン認識技術の概観とその最新応用 |
| 授業時間外における学修（予習・復習等） |
パターン認識応用例を調査 |
| 授業実施特記 |
|
| 第2回 |
内容
|
確率論
・ガウス分布
・ベイズ曲線フィッティング |
| 授業時間外における学修（予習・復習等） |
他の確率分布を調査 |
| 授業実施特記 |
|
| 第3回 |
内容
|
確率分布
・多値変数
・ガウス分布に対するベイズ推論
・混合ガウス分布 |
| 授業時間外における学修（予習・復習等） |
ガウス分布生成プログラム作成 |
| 授業実施特記 |
|
| 第4回 |
内容
|
ノンパラメトリック法
・カーネル密度推定法
・最近傍法 |
| 授業時間外における学修（予習・復習等） |
最近傍法のプログラム作成 |
| 授業実施特記 |
|
| 第5回 |
内容
|
線形回帰モデル
・最尤推定と最小二乗法
・バイアスーバリアンス分解 |
| 授業時間外における学修（予習・復習等） |
線形回帰分析プログラム作成 |
| 授業実施特記 |
|
| 第6回 |
内容
|
線形識別モデル
・識別関数
・フィッシャー線形判別 |
| 授業時間外における学修（予習・復習等） |
識別関数プログラム作成 |
| 授業実施特記 |
|
| 第7回 |
内容
|
確率的生成モデル
・ロジスティック回帰
・多クラスロジスティック回帰 |
| 授業時間外における学修（予習・復習等） |
ロジスティック関数の調査 |
| 授業実施特記 |
|
| 第8回 |
内容
|
ラプラス近似
ベイズロジスティック回帰 |
| 授業時間外における学修（予習・復習等） |
ラプラス近似のプログラム作成 |
| 授業実施特記 |
|
| 第9回 |
内容
|
ニューラルネットワーク
・フィードフォワードネットワーク関数
・最急降下法 |
| 授業時間外における学修（予習・復習等） |
最急降下法適用の例を調査 |
| 授業実施特記 |
|
| 第10回 |
内容
|
ニューラルネットワーク(2)
・誤差逆伝播法
・ヤコビ行列 |
| 授業時間外における学修（予習・復習等） |
誤差逆伝播法プログラム作成 |
| 授業実施特記 |
|
| 第11回 |
内容
|
ニューラルネットワーク(3)
・ヘッセ行列
・ヘッセ行列の積の高速な計算 |
| 授業時間外における学修（予習・復習等） |
ニューラルネットワークの調査 |
| 授業実施特記 |
|
| 第12回 |
内容
|
ニューラルネットワーク(4)
・無矛盾なガウス事前分布
・たたみこみニューラルネットワーク |
| 授業時間外における学修（予習・復習等） |
畳み込み型ニューラルネットワーク応用例の調査 |
| 授業実施特記 |
|
| 第13回 |
内容
|
ニューラルネットワーク(5)
混合密度ネットワーク
TDNN |
| 授業時間外における学修（予習・復習等） |
混合密度法の具体例を調査 |
| 授業実施特記 |
|
| 第14回 |
内容
|
ベイズニューラルネットワーク |
| 授業時間外における学修（予習・復習等） |
ベイズ型ニューラルネットワークプログラム作成 |
| 授業実施特記 |
|
| 第15回 |
内容
|
まとめと最新技術応用動向 |
| 授業時間外における学修（予習・復習等） |
最新のニューラルネットワーク利用型パターン認識の調査 |
| 授業実施特記 |
|