シラバス情報
|
教員名 ： 呉本 尭
|
授業コード
210649
オムニバス
科目名
脳型情報処理特論
科目名（英語）
Advanced Topics in Brain-Inspired Information Processing
配当学年
1年
単位数
2.00単位
年度学期
2025年度春学期
曜日時限
月曜1限
対象学科
博前_電子
コース
科目区分
大学院科目
必選の別
選択科目
担当者
呉本 尭
教室
実務家教員担当授業
授業の目的と進め方
人工知能（AI)の基礎である脳型情報処理の基本的な知識・技術を教授するうえ、最先端な研究手法・研究成果を紹介する。
達成目標１
脳型情報処理の基礎理論と技術を身につけることができる【25%】
達成目標２
ニューラルネットワーク（人工神経回路網）の基礎理論と技術を身につけることができる【25%】
達成目標３
強化学習の基礎理論と技術を身につけることができる【10%】
達成目標４
ファジィ理論の基礎理論と技術を身につけることができる【10%】
達成目標５
進化的計算の基礎理論と技術を身につけることができる【10】
達成目標６
群知能の基礎理論と技術を身につけることができる【10%】
達成目標７
深層学習の基礎理論と技術を身につけることができる【10%】
アクティブラーニング
ディスカッション
○
ディベート
○
グループワーク
プレゼンテーション
○
実習
フィールドワーク
その他課題解決型学習
グローバル教育プログラムSPIED, CEDCを参加することが望ましい
授業計画
授業時間外課題（予習および復習を含む）
第１回
脳型情報処理の定義と内容
脳型情報処理の歴史・技術について調査する
第２回
ニューラルネットワークの基礎その１
脳の解剖学を学ぶ
第３回
ニューラルネットワークの基礎その２
脳の高次機能を学ぶ
第４回
脳型情報処理の基礎その１
人工神経回路網の数理を学ぶ
第５回
脳型情報処理の基礎その２
小脳・視覚・海馬などの数理モデルを学ぶ
第６回
強化学習その１
強化学習演習迷路問題
第７回
強化学習その２
強化学習演習:
連続値の場合 第８回
深層学習その１
VGG16モデルなどの畳み込みニューラルネットワーク（CNN)を学ぶ
第９回
深層学習その２
ResNet, U-Netおよび生成系AIを学ぶ
第10回
ファジィ理論その１
ファジィの概念を学ぶ
第11回
ファジィ理論その２
ファジィ推論、ニューロ・ファジィネットワークを学ぶ
第12回
進化的計算その１
遺伝的アルゴリズムの目的・原理・技法・応用を学ぶ
第13回
進化的計算その２
粒子群最適化（PSO)、アント・コロニー最適化（ACO)などの進化的計算・群知能に関する概念・原理・技法・応用を学ぶ
第14回
群知能
群知能の基礎と最新理論を学ぶ
課題等に対するフィードバック
レポート・発表内容に対して評価・コメントによって授業内でフィードバックを行う。
評価方法と基準
課題解決型レポートによって評価する
テキスト
,
脳型情報処理に関連する専門書および文献（指導教員による） 参考図書
,
脳型情報処理に関連する専門書および文献（指導教員による） 科目の位置づけ（学習・教育目標との対応）
電子情報メディア工学専攻は、エレクトロニクス、情報通信技術およびマルチメディアの３つの専門領域において、高度な専門知識をもつ実践的技術者や職業的研究者を育成することを目標としている。この目標に対して、当該科目はマルチメディア専門領域に属する重要な科目である。
履修登録前の準備
,
担当指導教員の指示に従うこと。 |
