パターン認識 (130028) Pattern Recognition (130028)
 
◇ 担当教員 Instructor : 浮田 宗伯(Norimichi Ukita / うきた のりみち)
◇ 単位数 Credits : 1単位 ◇ 選択・必修 Required/Elective : 選択 ◇ 講義室 Room : L1
◇ 講義スタイル Style : 講義/公開
◇ 開講時期 Quarter : Ⅱ期 火曜2限

◇ 授業目的 Course goals : マルチメディア処理の一つであるパターン認識技術の基礎習得を目的とする.

Students study several fundamental techniques for pattern recognition, which is one of the important issues in multimedia processing.
◇ 授業内容 Course description : 具体的な最新の応用研究例を紹介しつつ,様々な分野で汎用的に利用されるパターン認識の基礎的技術の習得を目標とする.
1.概論
2.クラス決定木 (ID3, Radndom forestなど)
3.最近傍探索(k-NN,KD-tree,LSHなど)
4.固有空間法(主成分分析,判別分析,部分空間法とその拡張など)
5.ロバスト推定(M-estimator, Least Median Square, RANSACなど)
6.クラスタリング(K-meansクラスタリングなど)

This course covers the following topics:
- Introduction to Pattern Recognition
- Decision tree (ID3, Random forest, etc.)
- Nearest neighbor methods (k-NN, KD-tree, LSH, etc.)
- Eigenspace methods (PCA, LDA, Subspace methods and their extensions, etc.)
- Robust estimation (M-estimator, Least Median Square, RANSAC, etc.)
- Unsupervised clustering (K-means, etc.)

◇ 教科書 Textbook : なし.スライド配布.

No texts. Lecture slides would be distributed.
◇ 参考書 Reference materials : 石井ら:わかりやすいパターン認識,オーム社,1998
石井ら:続・わかりやすいパターン認識―教師なし学習入門―,オーム社,2014
Stuart Russell, Artificial Intelligence: A Modern Approach, Prentice Hall, 2009.
◇ 履修条件 Prerequisites : データ解析基礎,微分積分学,最適化数学基礎の講義内容一部を習得していることを前提に広義を行う(単位取得は必要としない).

Students are desired to understand several parts of Basic data analysis, Calculus, and Fundamental Mathematics for Optimization.
◇ 成績評価 Grading : 授業時の小テスト(30%),実習レポート(プログラムと論文紹介で30%),および最終テスト(40%).

Mini-exams (30%), homework of programming and research article reading (30%), and final exam (40%).
◇ オフィスアワー Office Hours : (A212-2)開講日の5限目を基本とする.ただし,在室時には随時対応.
電子メイルによる質問は常時歓迎.
講義最中の質問が最歓迎.

Coming to A212-2 in 5-th hour is desired, while you can visit A212-2 whenever I'm there.
Questions via emails are welcome.
Questions during AI classes are most welcome.
◇ 講義関連URL URL :
Pattern Recognition 2016
パターン認識2016年度
◇ 配布資料 Handouts : 現在、配布資料はありません。