シラバス参照

授業情報／Course information

科目名／Course: 知的制御システム／Intelligent Control System
科目一覧へ戻る 2022/09/09 現在

授業基本情報
科目名（和文）
／Course		 知的制御システム
科目名（英文）
／Course		 Intelligent Control System
時間割コード
／Registration Code		 24271602
学部（研究科）
／Faculty		 情報工学部
学科（専攻）
／Department		 人間情報工学科
担当教員（○：代表教員）
／Principle Instructor （○） and Instructors		 ○山田　訓
オフィスアワー
／Office Hour
開講年度
／Year of the Course		 2022年度
開講期間
／Term		 後期集中
対象学生
／Eligible Students		 3年
単位数
／Credits		 2.0
授業概要情報
更新日
／Date of renewal		 2022/02/14
使用言語
／Language of Instruction		 日本語
オムニバス
／Omnibus		 該当なし
授業概略と目的
／Cource Description and Objectives		 この講義では、知能の概念を理解し、脳で行われている知能的な情報処理を実現するための基本的なモデル（誤差逆伝搬法、連想記憶モデル）と知的制御を実現するための様々な方法（ファジイ制御、遺伝的アルゴリズム、ディープラーニング、強化学習、フィードバック誤差学習）の理論とその特徴について理解する。
履修に必要な知識・能力・キーワード
／Prerequisites and Keywords		 [キーワード]ニューラルネットワーク、ファジイ制御、遺伝的アルゴリズム、強化学習、フィードバック誤差学習、ディープラーニング、深層強化学習
履修上の注意
／Notes
教科書
／Textbook(s)		 教科書は使用しない。授業毎に資料を配布する。
参考文献等
／References		 「応用ファジィシステム入門」寺野 寿郎、浅居 喜代治、菅野 道夫　編、オーム社
「遺伝的アルゴリズム」Y.ダヴィドァ著、大橋弘忠、濱岡豊　訳、培風館
「強化学習」Richard S.Sutton、Andrew G.Barto著、三上 貞芳、皆川 雅章　訳、森北出版
「脳の計算理論」川人光男　著、産業図書
自主学習ガイド
／Expected Study Guide outside Coursework/Self-Directed Learning Other Than Coursework
資格等に関する事項
／Attention Relating to Professional License
アクティブラーニングに関する事項
／Attention Relating to Active Learning
実務経験に関する事項
／Attention Relating to Operational Experiences
備考
／Notes
授業計画詳細情報
No. 単元（授業回数）
／Unit (Lesson Number)		 単元タイトルと概要
／Unit Title and Unit Description		 時間外学習
／Preparation and Review		 配付資料
／Handouts
1 第1回 [知能の概念]
知能の概念を概説し、脳とコンピュータの違いを解説する。		 講義内容を復習する。 資料を配布する
2 第2回 [ニューロンモデル]
神経細胞ニューロンの特徴を説明し、ニューロンの構造と活動電位について解説する。それを再現するためのニューロンモデルについて解説する。		 講義内容を復習する。 資料を配布する
3 第3回 [誤差逆伝搬法の理論と応用例]
誤差逆伝搬法の基本的な考え方と学習アルゴリズムについて解説する。併せて、誤差逆伝搬法の応用例と利点・欠点について解説する。		 講義内容を復習する。 資料を配布する
4 第4回 [連想記憶モデル]
連想記憶モデルの基本的な考え方と理論について解説する。		 第1回から第4回を復習し、脳とコンピュータの違い、誤差逆伝搬法、連想記憶モデルについてまとめ、まとめの課題に解答する。 資料を配布する
5 第5回 [ファジイ制御の理論]
ファジイ制御の基本的な理論について解説する。		 講義内容を復習する。 資料を配布する
6 第6回 [ファジイ制御の応用例]
ファジイ制御の応用例について解説する。		 第5回、第6回を復習し、ファジィ制御の原理、アルゴリズム、応用例についてまとめ、まとめの課題に解答する。 資料を配布する
7 第7回 [遺伝的アルゴリズムの理論]
遺伝的アルゴリズムの基本的な理論について解説する。		 講義内容を復習する。 資料を配布する
8 第8回 [遺伝的アルゴリズムの応用例]
遺伝的アルゴリズムの応用例について説明する。トラベルセールスマン問題や微分方程式系のパラメータ推定に応用する例について解説する。		 第7回、第8回を復習し、遺伝的アルゴリズムの原理、アルゴリズム、及び応用例についてまとめ、まとめの課題に解答する。 資料を配布する
9 第9回 [強化学習の基本概念]
強化学習の基本的な理論、特にTemporal Difference学習（TD学習）の概念について解説する		 講義内容を復習する。 資料を配布する
10 第10回 [強化学習のアルゴリズム]
強化学習の基本的な学習アルゴリズムである、actor-criticシステムとQ学習の学習アルゴリズムについて解説する		 講義内容を復習する。 資料を配布する
11 第11回 [強化学習の改良]
強化学習の効率化を目指したディジタル・アナログ協調型強化学習、モジュール型強化学習、INGnet型強化学習、複合行動型強化学習について解説する。		 第9回から第11回を復習し、強化学習の原理、アルゴリズム、改良法についてまとめ、まとめの課題に解答する 資料を配布する
12 第12回 [深層学習の理論]
誤差逆伝搬法の発展形である深層学習の理論について解説する。深層ネットワークを学習するための、確率的勾配降下法、事前学習について解説する。また、画像認識のための畳み込みネットワーク、音声認識のための再帰型ネットワークについて解説する。		 講義内容を復習する。 資料を配布する
13 第13回 [深層学習の応用例と深層強化学習]
深層学習の応用例について解説する。強化学習に深層ネットワークを用いる深層強化学習の理論と強化学習に深層ネットワークを適用するための工夫について解説する。深層強化学習の応用例についても解説する。		 第12回、第13回を復習し、深層学習、深層強化学習の原理、アルゴリズム、および応用例についてまとめ、まとめの課題に解答する。 資料を配布する
14 第14回 [フィードバック誤差学習の理論]
フィードバック誤差学習の基本的な概念と学習アルゴリズムについて解説する。		 講義内容を復習する。 資料を配布する
15 第15回 [フィードバック誤差学習の応用例]
フィードバック誤差学習の応用例について解説する。強化学習・フィードバック誤差学習と脳の情報処理との関係、今後の知的制御システムの展望についても解説する。		 第14回、第15回を復習し、フィードバック誤差学習の原理、アルゴリズム、および応用例についてまとめ、まとめの課題に解答する。 資料を配布する
16 第16回 [全体のまとめ]
講義全体のまとめの課題を出題する。		 全部の資料を復習し、まとめの課題に解答する。 資料を配布する
授業評価詳細情報
到達目標及び観点／Learning Goal and Specific Behavioral Viewpoints
No. 到達目標
／Learning Goal		 知識・理解
／Knowledge & Undestanding		 技能・表現
／Skills & Expressions		 思考・判断
／Thoughts & Decisions		 伝達・コミュニケーション
／Communication		 協働
／Cooperative Attitude
1 脳とコンピュータの違いを説明できる(E) ○ ○
2 ファジイ制御の理論と特徴を説明できる(E) ○ ○
3 遺伝的アルゴリズムの理論と特徴を説明できる(E) ○ ○
4 強化学習の理論と特徴を説明できる(E) ○ ○
5 深層学習及び深層強化学習の理論と特徴を説明できる(E) ○ ○
6 フィードバック誤差学習の理論と特徴を設営できる(E) ○ ○
成績評価方法と基準／Evaluation of Achievement
※出席は2/3以上で評価対象となります。
No. 到達目標
／Learning Goal		 定期試験
／Exam.		 課題 まとめの課題
1 脳とコンピュータの違いを説明できる(E) ○ ○
2 ファジイ制御の理論と特徴を説明できる(E) ○ ○
3 遺伝的アルゴリズムの理論と特徴を説明できる(E) ○ ○
4 強化学習の理論と特徴を説明できる(E) ○ ○
5 深層学習及び深層強化学習の理論と特徴を説明できる(E) ○ ○
6 フィードバック誤差学習の理論と特徴を設営できる(E) ○ ○
評価割合（％）
／Allocation of Marks		 50 50

科目一覧へ戻る