機械学習

Machine Learning30

9963423

63CSINS302

桂田　浩一

Kouichi Katsurada

2026年度後期

2026年度

②Second semester

木曜4限

Thursday 4th. Period

創域理工学部　情報計算科学科

Department of Information Sciences, Faculty of Science and Technology

2.00単位

講義

Lecture

-

① [対面]対面授業/ [On-site] On-site class

ニューラルネットワークについて解説する．

知的情報処理システムとしてニューラルネットワークの仕組みについて理解する．
本学科のディプロマ・ポリシーにある「情報科学分野に応じた専門知識」を身に付け，「自然科学・科学技術の分野のみならず社会における多様な情報を論理的に分析し、問題の発見、さらにはその解決に貢献しうる能力」を獲得するための科目である．

ニューラルネットワークによる情報処理および近年活用が進められている深層学習の数理モデルについてモデル化の方法論や論点などが説明できる．

リンク先の [評価項目と科目の対応一覧]から確認できます（学部対象）。
履修登録の際に参照ください。
​You can check this from “Correspondence table between grading items and subjects” by following the link(for departments).
https://www.tus.ac.jp/fd/ict_tusrubric/​​​

解析学の基礎，統計学の基礎を習得しておくことが望ましい．

-

-

授業内容に応じて予習・復習を行う．授業後に4時間程度かけて授業内容を復習すること．

授業内で実施するレポート（25%程度）と到達度評価（75%程度）によって評価を行う．

・S：到達目標を十分に達成し、極めて優秀な成果を収めている
・A：到達目標を十分に達成している
・B：到達目標を達成している
・C：到達目標を最低限達成している
・D：到達目標を達成していない
・-：学修成果の評価を判断する要件を欠格している

・S：Achieved outcomes, excellent result
・A：Achieved outcomes, good result
・B：Achieved outcomes
・C：Minimally achieved outcomes
・D：Did not achieve outcomes
・-：Failed to meet even the minimal requirements for evaluation

N

-

教科書および一部の参考書は、MyKiTS (教科書販売サイト) から検索・購入可能です。
​https://gomykits.kinokuniya.co.jp/tokyorika/​​​

It is possible to search for and purchase textbooks and certain reference materials at MyKiTS (online textbook store).
​​https://gomykits.kinokuniya.co.jp/tokyorika/

「ニューロコンピューティング入門」，坂和正敏，田中雅博（著），森北出版
「深層学習」，神嶌敏弘（編），麻生英樹，安田宗樹，前田新一，岡野原大輔，岡谷貴之，久保陽太郎，ボレガラダヌシカ（著），近代科学社
「深層学習」，岡谷貴之（著），講談社

１．ニューラルネットワークの歴史とニューロンの数理モデル
　ニューラルネットワークの歴史およびニューロンの基本構造と機能について理解する．

２．ニューラルネットワークの基礎（１）
　単純パーセプトロンについて理解する．

３．ニューラルネットワークの基礎（２）
　単純パーセプトロンの収束定理について理解する．

４．ニューラルネットワークの基礎（３）
　連続値を取る多層ネットワークについて理解する．

５．ニューラルネットワークの基礎（４）
　誤差逆伝播法について理解する． 　　 　　

６．ニューラルネットワークの基礎（５）
　複雑な依存関係があるネットワークの重みの更新について理解する． 　　 　　

７．相互結合型ニューラルネットワーク（１）
　ホップフィールドモデルと連想記憶について理解する． 　　 　　

８．相互結合型ニューラルネットワーク（２）
　ボルツマンマシンについて理解する． 　　 　　

９．相互結合型ニューラルネットワーク（３）
　隠れユニットがあるボルツマンマシンと制限ボルツマンマシンについて理解する．
　　 　　
10．深層学習（１）
　深層学習と勾配消失・爆発問題について理解する． 　　 　　

11．深層学習（２）
　AutoEncoder，制限ボルツマンマシンを用いた深層学習について理解する．
　
12．深層学習（３）
　コンボリュ−ショナルニューラルネットワークについて理解する．

13．リカレントニューラルネットワーク
　リカレントニューラルネットワークについて理解する．
　　 　　
14．強化学習
　強化学習と深層強化学習について理解する．

15．まとめ
ニューラルネットワークについて総括する．

「全ての授業を対面で実施する」

-

-

-

Y

N