センシングシステム工学
博士前期課程理工学研究科 - 理工学専攻
MSIS7120
コース情報
担当教員: 山中 高夫
単位数: 2
年度: 2024
学期: 秋学期
曜限: 月5
形式: 対面授業
レベル: 500
アクティブラーニング: あり
他学部履修: 可
評価方法
その他
各回の課題の提出状況とその評価，および期末課題の提出状況とその評価から総合的に判断する。
詳細情報
概要
近年，身近に様々なセンサが溢れており，多種多様なセンサから得られた情報を活用して様々な機器が制御されている。本講義では，それらのセンサから得られる信号を処理して特徴を抽出し，そのパターン(時系列や空間的な情報)を認識する手法を解説する。フーリエ変換や主成分分析に代表されるような特徴抽出手法や，サポートベクターマシーン，ニューラルネットワークなどのパターン認識手法を取り扱う。特に，画像認識分野を例として，他分野でも用いられている手法を紹介する。この講義は情報学領域のカリキュラムポリシーの2における「情報学領域が提供して専門知識を得させる」科目に相当する。アクティブ・ラーニングとして，毎回の講義で簡単な演習を行い，その日の内容の理解を深める。
目標
情報学領域のディプロマポリシー2に掲げる「情報学および関連分野において最先端で活躍できる専門知識」を身に着ける。 (1) 代表的な特徴抽出手法を理解し，活用できる。 (2) 代表的なパターン認識手法を理解し，活用できる。 (3) 講義で紹介した手法を自分のデータに対して適切に適用できる。
授業外の学習
(1) Moodleで講義資料をダウンロードし，事前に予習する(1時間程度) (2) 講義で紹介した手法を自分のデータに対して活用する(3時間程度)
所要時間: 4時間程度/週
スケジュール
- 講義概要(センサとその情報処理)
- パターン認識の基礎，フーリエ変換による特徴量表現(関数近似によるフーリエ変換の説明)
- フーリエ変換の応用(位相限定相関法，顕著性の検出)
- フーリエ変換の性質と標本化定理，KL展開と主成分分析(概要)
- KL展開と主成分分析(導出)
- 主成分分析，独立成分分析(確率密度関数)
- 独立成分分析(情報量，手法)
- 最尤推定法，混合ガウス分布
- k平均法，混合ガウス分布の定式化
- EMアルゴリズム
- k近傍法，サポートベクターマシーン(SVM)
- 深層学習(Deep Learning:概要
- 深層学習(Deep Learning:画像認識
- 画像における物体検出(Semantic Segmentation)
教科書
Moodleで配布する講義資料を使用する
参考書
センシングのための情報と数理
著者: 出口 光一郎, 本多 敏
出版社: コロナ社，2008
感覚情報処理
著者: 安井湘三
出版社: コロナ社，2004
Pattern Classification
著者: R. O. Duda, P. E. Hart, D. G. Stork
出版社: Wiley-Interscience, 2001