| １． |
授業目標 |
|
コンピュータによる自動認識を、人間の情報処理能力の拡大・支援機構として捉える立場で、信号処理から記号化、カテゴリー化を経て、認識から理解へ至る処理プロセスの全般について、音声情報処理システムへの応用例などを交えて、大域的な枠組みについて学習します。
次に文字認識を中心にパターン認識の理論的枠組みを体系的に学習します。まず統計的パターン認識理論に基づき、ベイズ決定理論、確率密度関数の推定等の基本的な手法を整理した後、識別結果に重要な影響をもつ判別関数について、多層ニューラルネットワークをはじめとする各種の非線形識別関数を取り上げ、そこに発生する学習と汎化に関する最近の研究成果について学習します。
上記の学習内容のいくつかについて、自らの研究に応用できるようになることが本授業の目標です。
|
| ２． |
授業概要 |
|
音声情報処理システムへの応用例などを交えて、大域的な枠組みを学習します。次に文字認識を中心に、パターン認識の理論的枠組みを体系的に学習します。まず統計的パターン認識理論に基づき、ベイズ決定理論、確率密度関数の推定等の基本的な手法を整理した後、識別結果に重要な影響をもつ判別関数について、多層ニューラルネットワークをはじめとする各種の非線形識別関数を取り上げ、そこに発生する学習と汎化に関する最近の研究成果について学習します。
|
| ３． |
準備学習（授業時間外の学習） |
|
大学院におけるパターン認識の科目では、中レベルの科目です。この科目の修得後、続けて画像情報処理、音声情報処理などの学習を行うことを望みます。
情報代数と符号理論、確率論と情報理論、数理計画法等の復習をしてから授業を受けることをのぞみます。
|
| ４． |
授業計画 |
|
（１）人間と機械：人間と機械の共通点、相違点
（２）感覚とその性質：外界からの情報受容、伝達、感覚器の種類とその性質
（３）感覚とパターン認識：機械と人間のパターン認識原理、相違と共通点
（４）音声信号の受容と物理的性質
：聴覚における音声信号の受容と処理、音声信号の物理的性質
（５）聴覚系の情報処理
：外耳、中耳、内耳の構造と動作、信号変換
（６）音声パターン認識
：人間の音声認識処理と機械認識の類似点、相違点
（７）パターン認識と記憶・学習
：記憶とパターン認識方法
（８）音声処理技術
：音声認識、音声合成、声質変換等、種々の音声処理技術
（９）統計的パターン認識理論
：ベイズ決定理論，確率密度関数の推定等
（10）判別関数 その1
：多層ニューラルネットワークをはじめとする各種の非線形識別関数
（11）判別関数 その2
：多層ニューラルネットワークをはじめとする各種の非線形識別関数
（12）学習と汎化 その1： 最近の研究成果と残された課題
（13）学習と汎化 その2： 最近の研究成果と残された課題
（14）手書き文字認識技術 その1
（15）手書き文字認識技術 その2
|
| ５． |
成績評価の方法、基準 |
|
通常の試験は行わず、レポートで評価します。
|
| ６． |
使用テキスト及び使用教材 |
|
特にありません。
|
| ７． |
その他 |
|
輪講方式で授業を進めます。
|