パターン認識特論 [対面]

開講年度

2025年度

開講学期

後期

科目名

パターン認識特論

授業種別

講義

科目名（英語）

Pattern Recognition

授業情報(授業コード・クラス名・授業形態)

Z1600001 パターン認識特論 [対面]

担当教員

ＮＰチャンドラシリ

単位数

2.0単位

曜日時限

木曜4限

キャンパス

新宿

教室

A-0762教室

学位授与の方針

A 専攻する研究領域における高度な専門知識を身につけたもの 70%
B 科学技術を運用する能力を身につけたもの　30%
C 主体的に研究に取り組み、社会や職業についての知識や技術者や研究者として必要な倫理観を身につけたもの　0%
D 特定の専門領域における創成能力を身につけたもの　0%

具体的な到達目標

パターン認識は画像、音声、ドキュメントなどの種々のメディアを効率的に処理し、その中から必要な情報を自動抽出する基本技術の1つである。現在、活用されているパターン認識技術の代表的な例として顔認識、郵便番号認識などが挙げられる。　
パターン認識特論ではパターン認識技術を理解し、その主な手法の実装ができることを到達目標とする。本講義で特に、最近注目を浴びている深層学習にフォーカスを当てる。

受講にあたっての前提条件

特になし。

AL・ICT活用

PBL（課題解決型学習）／e-ラーニング等ICTを活用した自主学習支援

授業計画

受講者の興味・理解度に合わせて下記の内容を実施する。

本講義ではパターン認識のアルゴリズムを理解し、実装を行う。

授業計画

第１回　：ガイダンス

第２回　：パターン認識・機械学習　(ⅰ)

第３回　：パターン認識・機械学習　(ⅱ)

第４回　：ニューラルネットワーク　(ⅰ)

第５回　：ニューラルネットワーク　(ⅱ)

第６回　：多層ニューラルネットワークの学習　(ⅰ)

第７回　：多層ニューラルネットワークの学習　(ⅱ)

第８回　：ニューラルネットワークと分類問題　(ⅰ)

第９回　：ニューラルネットワークと分類問題　(ⅱ)

第１０回：深層学習 (ⅰ)

第１1回　：深層学習 (ⅱ)

第１２回：畳み込みニューラルネットワーク (ⅰ)

第１３回：畳み込みニューラルネットワーク (ⅱ)

第１４回：手書き数字認識課題-実験結果発表

定期試験を実施しない。

成績評価の方法

講義の出席・参加と課題提出（50％）、第１４回目の実験結果発表とその発表資料の提出をレポート（50%）扱いとする。60点以上で合格とする。

受講生へのフィードバック方法

KU-LMS上でフィードバック方法について通知する.

教科書

特になし。講義資料は電子的に配布する。

参考書

Phil Kim, MATLAB Deep Learning: With Machine Learning, Neural Networks and Artificial Intelligence 1st Edition, ISBN-13: 978-1484228449, ISBN-10: 1484228448

オフィスアワー

木曜日 1330-14:30 A1513号室　

受講生へのメッセージ

実務家担当科目

実務経験の内容

自動車関連のIT企業での知能情報システムを提案・プロトタイプ開発の経験がある教員が、機械学習・深層学習に関する経験を活かし、パターン認識（機械学習）について講義する。

教職課程認定該当学科

情報デザイン学科

シラバス情報