単位互換科目：ニューラルネットワーク
教員名
古月 敬之
単位数
2単位
開講学期
春学期
目的と概要
目的：ニューラルネットワークの基本構成、学習方法およびその応用技術を理解し、簡単な問題がニューラルネットワークを用いて解決できるようになる。
概要：ニューラルネットワークは脳の神経回路網を模倣した技術であり、本講義では、ニューラルネットワークの基礎からはじめてニューラルネットワークの先端技術、更にニューラルネットワークの各種の応用について紹介する。
授業計画
1. 階層型ニューラルネットワーク(Ⅰ)
2. 階層型ニューラルネットワーク(Ⅱ)
3. 階層型ニューラルネットワーク(ⅲ)
4. ニューラルネットワークの学習(Ⅰ)
5. ニューラルネットワークの学習(Ⅱ)
6. ニューラルネットワークの学習(ⅲ)
7. オートエンコーダ(Ⅰ)
8. オートエンコーダ(Ⅱ)
9. オートエンコーダ(ⅲ)
10. 深層学習(Ⅰ)
11. 深層学習(Ⅱ)
12. 深層学習(ⅲ)
13. 最新トピック(Ⅰ)
14. 最新トピック(Ⅱ)
15. 最新トピック(ⅲ)
授業に対する
準備事項予習として、90～120分程度で多変数微分・偏微分の基礎の復習を求めます。
成績評価方法
試験：50% 定期試験を実施します。授業の内容についての理解を評価します。
レポート：30% 与えられた課題を講義内容の視点と絡めて深く考察しているかどうかを評価します。
平常点評価：20% 授業の参与度や宿題の完成状況などについて評価します。
その他：0% 7割以上の出席を必須とします。
履修上の注意
ベクトル・マトリックス代数、多変数微分・積分の基礎を修得していることが望ましい。
最終講義で全体に対するフィードバックを行う。
教科書・参考書
教科書：I.Goodfellow, Y.Bengio and A. Courville, "Deep Learning",The MIT Press,2016
参考書：S.Haykin, "Neural Networks and Learning Machines 3nd Edition", Pearson Education,2009
C.M.Bishop,"Neural Networks for Pattern Recognition", Oxford University Press,1995
