音響工学特論

Advanced Lecture on Acoustic Engineering

998B407

81ELINE503

植木　祥高

Yoshitaka Ueki

2026年度前期

2026年度

①First semester

木曜3限

Thursday 3rd Period

先進工学研究科　電子システム工学専攻

Department of Applied Electronics, Graduate School of Advanced Engineering

2.00単位

講義

Lecture

-

① [対面]対面授業/ [On-site] On-site class

音響工学は産業や医療のさまざまな分野で重要な役割を担っています．音響工学は私たちの社会と生活を支える身近で重要な技術です．音響を活用した非破壊検査はその一つです．
本講では音響収録から解析といったエレクトロニクス技術者が備えるべき音響工学の基礎を学びます．また，音響情報を対象とした機械学習に基づく情報処理技術の基礎を習得します．

Acoustic engineering plays an important role in various fields of industry and medicine. Acoustic engineering is a familiar and important technology that supports our society and life. Non-destructive testing using acoustics is one of them.
In this course, you will learn the basics of acoustic engineering that electronics engineers should have, from acoustic recording to analysis. In addition, you will learn the basics of information processing technology based on machine learning for acoustic information.

エレクトロニクスの基礎及び専門の知識を基盤として，高度な研究を行うために必要となる深い知識と，専門的な研究・開発を行うための能力を身に付けることを目指します．

Based on basic and specialized knowledge of electronics, we aim to acquire the deep knowledge necessary to conduct advanced research and the ability to conduct specialized research and development.

・音響収録の基礎を理解して行うことができる．
・情報処理の基礎を理解して音響データの基礎的な特徴量抽出ができる．
・基礎的なPythonのプログラミングができる．
・機械学習の基礎的な知識を獲得し基本アーキテクチャを実装することができ，音響データを解析できる．

・Be able to understand and perform the basics of audio recording. 
・Understand the basics of information processing and be able to extract basic features from acoustic data. 
・Able to do basic Python programming. 
・Able to acquire basic knowledge of machine learning, implement basic architecture, and analyze acoustic data.

・Pythonのプログラミングを行います．本学のBYODの基準を満たした各自PCを持参してください．
・音響収録にスマートフォンを使用します．iPhoneかAndroidのスマートフォンの使用を推奨します．

・Perform Python programming. Please bring your own PC that meets our university's BYOD standards. 
・Use a smartphone for audio recording. We recommend using an iPhone or Android smartphone.

プレゼンテーション　Presentation／PBL (課題解決型学習)　Problem-based learning／-

・Pythonのプログラミングを本講内にて実施
・音響収録と機械学習に関する課題を自ら見つけ，解決を図り，結果を発表する．

・Python programming implemented in this course
・ Find problems related to audio recording and machine learning, try to solve them, and present the results.

・事前準備や復習として，各回関連する内容を各自で調べ，実際にプログラミングに落とし込めるように試行錯誤を行う．

・As advance preparation and review, each student researches the relevant content on their own and performs trial and error to be able to apply it to actual programming.

・プレゼンテーション，提出課題の内容，授業参加度：60％
・音響工学・機械学習の知識の習得度を測る到達度評価：40％

・Presentation, content of submitted assignments, class participation level: 60%
・Achievement evaluation to measure the acquisition level of knowledge of acoustic engineering and machine learning: 40%

・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

Y

「ニューラルネットワーク自作入門」
著作者名：Tariq Rashid
監訳者名：新納浩幸
マイナビ出版
https://book.mynavi.jp/ec/products/detail/id=65933

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/

Pythonのプログラミングに関する参考書で各自が手に取りやすいものがあればより好ましい．

It would be better if there was a reference book on Python programming that each person could easily pick up.

１．イントロダクション
　音響工学と情報工学の現在地を学ぶ．

２．機械学習の歴史と動向
　機械学習とは何か，これまでの歴史と現在の動向までの変遷を理解する．

3.　機械学習分野の問題・具体的手法
　機械学習あるいは人工知能分野の問題を理解する．また，機械学習の代表的な手法を理解する．

4.　Pythonのプログラミング基礎
　Pythonのプログラミングを行う環境構築を行う．Numpyの利用，グラフの描画，オブジェクトを理解し使えるようになる．

5.　音響収録の基礎
　音響データを収録し，Pythonを使ったデータ解析を行えるようになる．プレゼンテーション課題の概要を説明する．

6.　ニューラルネットワークの基礎#1
   ニューラルネットワーク内で行われる基礎的な演算について理解する．

7.   ニューラルネットワークの基礎#2
　誤差逆伝播とニューラルネットワークの重みの更新について理解する．

8.  ニューラルネットワークの実装#1
    Pythonにおけるニューラルネットワークを用いた演算をできるようになる．

9.  ニューラルネットワークの実装#2
   MNIST手書き数字のデータセットを読み込み，ネットワークに学習させることができるようになる．

10.  ニューラルネットワークの実装#3
    学習率と過学習の関係について理解する．

11. ディープラーニングの概要と動向
　ディープラーニング（深層学習）の代表的な手法について理解する．　

12.  音響データを用いた機械学習#1
　音響収録データの機械学習の実装を開始する．

13.　音響データを用いた機械学習#2
   音響収録データの機械学習の実装を行う．プレゼンテーションに向け，結果をまとめる．

14.  プレゼンテーション
　各自取り組んだ課題について発表とディスカッションを行う．

15.  到達度評価
　音響工学・機械学習の知識の習得度を測る．

すべての履修学生に対して，半数以上の授業回を対面で受講することを求める．


1. introduction
Learn the current status of acoustic engineering and information engineering.

2. History and trends of machine learning
Understand what machine learning is, its history and current trends.

3. Problems and specific methods in the field of machine learning
Understand problems in the field of machine learning or artificial intelligence. Also, understand the typical methods of machine learning.

4. Python programming basics
Build an environment for Python programming. You will be able to understand and use Numpy, draw graphs, and objects.

5. Basics of sound recording
You will be able to record acoustic data and perform data analysis using Python. Explain the outline of the presentation assignment.

6. Fundamentals of neural networks #1
   Understand the basic operations performed within neural networks.

7. Neural network basics #2
Understand error backpropagation and updating weights in neural networks.

8. Neural network implementation #1
    You will be able to perform calculations using neural networks in Python.

9. Neural network implementation #2
   You can now load the MNIST handwritten digit dataset and train the network.

10. Neural network implementation #3
    Understand the relationship between learning rate and overfitting.

11. Overview and trends of deep learning
Understand the typical methods of deep learning.　

12. Machine learning using acoustic data #1
Start implementing machine learning of audio recording data.

13. Machine learning using acoustic data #2
   Implement machine learning of audio recording data. Summarize the results for presentation.

14. Presentation
Each participant will present and discuss the issues they have worked on.

15. Achievement evaluation
Measures the level of knowledge acquired in acoustic engineering and machine learning.

All students are required to attend at least half of their classes face-to-face.

担当教員の音響工学と情報工学に関する実務経験を活かした講義と演習を織り交ぜた授業を進める．

Classes will be a mix of lectures and exercises that draw on the instructor's practical experience in acoustic engineering and information engineering.

-

-

Y

N