| |
|
1
|
【内容】
|
機械学習とは何か（復習）
|
|
|
【授業外学習】
|
事前：次の内容についてネット検索して最新情報を調べておく
事後：授業中に出した課題を解く
|
|
|
2
|
【内容】
|
線形学習器と学習器の複雑さ（学習機械の自由度と汎化能力）
学習器の複雑さとその学習能力について線形学習器を題材に考察する
|
|
|
【授業外学習】
|
事前：次の内容についてネット検索して最新情報を調べておく
事後：授業中に出した課題を解く
|
|
|
3
|
【内容】
|
勾配降下法
パーセプトロンの学習式を導出する。
|
|
|
【授業外学習】
|
事前：次の内容についてネット検索して最新情報を調べておく
事後：授業中に出した課題を解く
|
|
|
4
|
【内容】
|
Regression VS Classification
学習器には主に二つの学習方式がある。それは関数近似用と分類識別用の学習方式である。これらは似て非なるものであることを解説する。
|
|
|
【授業外学習】
|
事前：次の内容についてネット検索して最新情報を調べておく
事後：授業中に出した課題を解く
|
|
|
5
|
【内容】
|
汎化能力とモデル選択
学習装置の能力は未学習サンプルに対する誤差（汎化能力という）で評価される。
これが、学習機械の構造と学習サンプルによって決まることを解説する。
|
|
|
【授業外学習】
|
事前：次の内容についてネット検索して最新情報を調べておく
事後：授業中に出した課題を解く
|
|
|
6
|
【内容】
|
Support Vector Machines(SVM)(1)
線形回帰モデルのSVMによる構成法
|
|
|
【授業外学習】
|
事前：次の内容についてネット検索して最新情報を調べておく
事後：ラグランジュの未定乗数法を復習する。この理論に明るくない受講者は図書館で調査すること。
|
|
|
7
|
【内容】
|
Support Vector Machines(SVM)(2)
非線形回帰モデルのSVMによる構成法
|
|
|
【授業外学習】
|
事前：次の内容についてネット検索して最新情報を調べておく
事後：授業中に出した課題を解く
|
|
|
8
|
【内容】
|
Deep Neural Network: 深層学習とその生物の脳との違い
|
|
|
【授業外学習】
|
事前：次の内容についてネット検索して最新情報を調べておく
事後：授業中に出した課題を解く
|
|
|
9
|
【内容】
|
時空間パターンを学習するニューラルネットワーク
|
|
|
【授業外学習】
|
事前：次の内容についてネット検索して最新情報を調べておく
事後：授業中に出した課題を解く
|
|
|
10
|
【内容】
|
LSTM: リカレントニューラルネットワークとしてLSTMを解説する。
特にこのネットワークの特徴である長期記憶について重点的に解説する。
|
|
|
【授業外学習】
|
事前：次の内容についてネット検索して最新情報を調べておく
事後：授業中に出した課題を解く
|
|
|
11
|
【内容】
|
転移学習： 大規模なニューラルネットワークの能力をタスクに適応させるための転移学習について解説し、その課題を考察する。online, offline学習の違いについて解説するとともに、online学習の利点・欠点について考察する。特に破滅的忘却について詳しく考察する。
|
|
|
【授業外学習】
|
事前：次の内容についてネット検索して最新情報を調べておく
事後：授業中に出した課題を解く
|
|
|
12
|
【内容】
|
追加学習（連続学習）：追加学習について解説し、破滅的忘却を防ぐ手立てを紹介する。その一つの手法としてEWC法を紹介する
|
|
|
【授業外学習】
|
事前：次の内容についてネット検索して最新情報を調べておく
事後：授業中に出した課題を解く
|
|
|
13
|
【内容】
|
少数shot学習：少ないサンプルを学習するだけで、学習が完了する学習方式が存在する。これについて解説する。
|
|
|
【授業外学習】
|
事前：次の内容についてネット検索して最新情報を調べておく
事後：授業中に出した課題を解く
|
|
|
14
|
【内容】
|
主成分分析とAutoencoder： 主成分分析とは？ autoencoderとは？これらを解説する。
|
|
|
【授業外学習】
|
事前：次の内容についてネット検索して最新情報を調べておく
事後：授業中に出した課題を解く
|
|
|
15
|
【内容】
|
まとめおよび期末課題説明
|
|
|
【授業外学習】
|
レポート執筆
|
|