授業科目一覧
基盤研究科目
特定研究科目
メニューここまで

数理・情報研究法(5)「生体情報処理研究法」

※印刷用にはシラバスPDF版新規ウィンドウをご利用ください
担当教員名
秋光淳生

授業の概要

数理情報研究において基盤となる脳の情報処理についての知見とそうした理論とモデルについて学ぶ。そのために必要な非線形力学と機械学習について学ぶ。こうしたモデルの動作についての理解に基づき、どのような工学的な応用がなされてきたのかについて調査を元に学ぶ。研究動向、研究手法について学び、そうした理論がどのように応用されてきたのかについて学ぶ。そして、受講生が取り組む博士論文の研究課題に関連した資料の調査や研究を行う。
※詳しくは授業計画

開設年度
2015年度
科目の種類
基盤研究科目
科目コード
9350098
開講時期
履修年次
1・2 ※「履修の手引き」参照
授業の形式
演習
単位数
2単位
備考
 

実施方法

実施期間
10月~1月の期間に、原則1週毎に1コマとする。ただし、学生の状況に応じて集中講義等により対応することも可能とする。
実施場所及び実施方法
幕張本部及び学習センター等にて行う。
直接対面指導、Web会議システムによる間接対面指導及びメール等による指導を行う。
課題
各講義実施後、必要に応じてレポート課題を与える。
放送教材・印刷教材の活用
レポート課題の出題にあたっては、指定の放送教材・印刷教材をレポート作成の素材として利用させる。その際、放送教材・印刷教材は単に知識の伝達手段として用いるのではなく、今後の研究遂行及び学位論文執筆のためのモデルとして利用させる。
評価方法
提出された各レポートをもとに、総合的に評価する。
評価配分:レポート(100%)
評価責任者:秋光淳生
教科書
 
参考書
放送大学大学院印刷教材『情報学の新展開('12)』(放送大学教育振興会)
Frank C. Hoppensteadt (著), Eugene M. Izhikevich,『Weakly Connected Neural Network, Springer C.M.ビショップ“パターン認識と機械学習”』(丸善)
備考
 
このページのトップへ本文ここまで

到達目標

数理モデルについての理解に基づき、博士論文で扱う研究テーマと課題に取り組むために必要となる研究方法を学び、論文を作成するための基礎を身につける。

授業計画

テーマ
第1回 脳の情報処理と情報の符号化
第2回 非線形ニューラルネットワーク(1) 先行研究の理解と整理
第3回 非線形ニューラルネットワーク(2) 先行研究の理解と整理
第4回 非線形ニューラルネットワーク(3) 応用と演習
第5回 非線形ニューラルネットワーク(4) 応用と演習
第6回 統計的モデルとパターン認識(1) 先行研究の理解と整理
第7回 統計的モデルとパターン認識(2) 先行研究の理解と整理
第8回 統計的モデルとパターン認識(3) 応用と演習
第9回 統計的モデルとパターン認識(4) 応用と演習
第10回 強化学習(1) 先行研究の整理
第11回 強化学習(2) 先行研究の整理
第12回 強化学習(3) 応用と演習
第13回 強化学習(4) 応用と演習
第14回 全体の総括と議論(1)
第15回 全体の総括と議論(2)
このページのトップへ本文ここまで
授業科目案内 博士後期課程 放送大学