長尾教授 担当講義 (平成29 (2017) 年度)


大学院 (横浜国立大学 大学院環境情報学府 情報メディア環境学専攻 での講義)

対象学年 講義名 開講学期
・教室
概  要
博士課程前期
(修士)

博士課程後期
(博士)
New !
情報メディアコロキウム
Ⅰ(博士課程前期)
Ⅱ(博士課程後期)

Colloquium in
Information Media
Ⅰ(master course)
Ⅱ(doctor course)
春学期

秋学期

金曜日
5時限



環境
情報
1号棟
515室

  1. 授業の目的
    学内外の講師(外国人を含む)をお招きし,情報メディアに関する最先端の技術動向やアプローチを講義していただくオムニバス形式の授業である.
  2. 単位数
    博士課程前期(Ⅰ(春学期・秋学期),各学期1単位,合計2単位)
    博士課程後期(Ⅱ(春学期・秋学期),各学期1単位,合計2単位)
  3. 各週ごとの授業概要
    情報メディア環境学専攻教員及び同博士課程後期学生を中心とする『情報メディアコロキウム運営委員会』によって外部講師やテーマを決定するため,毎週講義があるわけではなく, 掲示および講義日程を見て開催予定日を確認すること.
  4. 講義回数
    春学期7~8回,秋学期7~8回,通年で合計15回程度の予定.
  5. 講義日程
    New ! 講義日程を参照して下さい. Please refer the schedule.
  6. 教科書・参考書
    なし。ただし講師による資料の配布がある場合がある。
  7. 履修目標の例示
    情報メディア学の最先端の技術動向を自分の立場から深く理解し、現在自分が行っている研究 の位置付け、意義役割を明確に把握すること。
  8. 授業方法についての説明
    毎回出席確認を兼ねた小レポート(感想文)を出してもらう。
  9. 履修条件および関連科目
    履修条件:なし。
    関連科目:なし。
  10. 成績評価の基準
    出席状況とレポートにより総合的に判断する。
  11. 博士課程後期学生の履修について(for doctral course students)
    詳細についてはこちらを参照して下さい。 Please refer here for details.
博士課程前期
(修士)
知能情報処理論

講義サイトは
こちら

Intelligent
Information
Processing
秋学期

毎週
金曜日
2時限



環境
情報
1号棟
305室

画像・音声などの情報メディアを知的に取り扱うため、また計算機・機械の知能を高めるために必要不可欠な認識・探索・学習・知識表現・推論・プラニング・適応・進化などの知能情報処理・人工知能の原理と方法について、その基礎から応用までを分かり易く論じる。また、関連する最新の研究動向・研究例などについても適宜紹介する。

  1. 本講義の進め方、知能とは何か?(知能の定義と計測・チューリングテストなど)
  2. 人工知能の定義と歴史(人工知能におけるキーワード・パラダイムシフトなど)
  3. 問題解決と定式化(その1)(人工知能の一般的方法論・状態空間法など)
  4. 問題解決と定式化(その2)(問題分割法・手段目標解析・一般問題解決器など)
  5. 画像の処理(画像の変換・処理・解析など)
  6. 画像の認識(パターン認識・立体認識・動画像認識など)
  7. 探索とゲーム木探索 ?木に対する各種の探索法・ミニマックス法・α-β法など)
  8. 知識表現(知識ベースシステム・セマンティックネット・フレーム理論・論理など)
  9. プラニングと推論(STRIPS・即応プラニング・各種の推論・類推など)
  10. 機械学習と強化学習(演繹学習・事例ベース学習・決定木・クラスタリングなど)
  11. 神経回路網(神経回路網研究の概要・歴史・応用・回路網の学習と最適化など)
  12. 進化計算法(1)(進化戦略・遺伝的アルゴリズム・遺伝的プログラミングなど)
  13. 群知能(PSO・ACOなど)
  14. 自律エージェント(エージェントシステム・自律ロボット制御・人工生命など)
  15. 最新の研究事例の紹介(最近の話題・研究テーマ・論文について紹介し、期末レポートを課す)
博士前期課程
(修士)
知能情報処理論演習 通年
毎週
金曜日
3・4時限


同 上 (演習)

所属が長尾研究室以外の方で,本演習の履修を希望される方は長尾教授までご相談下さい.

博士後期課程
(博士)
先端人工知能論

Advanced
Artificial
Intelligence
秋学期

毎週
水曜日
4時限

先端的な人工知能の考え方であるエージェントベース人工知能について論じる.自律エージェントとマルチエージェント,エージェントの行動制御,経済・社会システムへの応用,人工生命に関する次のテーマについて,最新の研究事例とともに解説する.

  1. エージェントベース人工知能:定義,基本的な考え方,従来の人工知能との違いと特長,方法論,応用分野など.
  2. 自律エージェントとマルチエージェント:定義,知覚と行動,協調と競合,グループ行動,創発,共進化など.
  3. エージェントの行動制御:報酬と罰,強化学習,自律ロボットの行動制御,ペットロボット,RoboCupなど.
  4. 経済・社会システムへの応用:進化経済学,人工市場と人工社会,エージェントの心理,エージェント間交渉など.
  5. 人工生命と創発システム:定義,アプローチとその応用例.
※ 本講義履修希望者は秋学期開始直後に長尾教授(nagao@ynu.ac.jp)までご連絡下さい.
博士後期課程
(博士)
先端人工知能論演習 通年
毎週
金曜日
3・4時限


同 上 (演習)

所属が長尾研究室以外の方で,本演習の履修を希望される方は長尾教授までご相談下さい.


学部 (横浜国立大学 理工学部 数物・電子情報系学科 情報工学EP,および 工学部 電子情報工学科 での講義)

対象学年 講義名 開講学期 概  要
理工学部
1年生
(教養科目)
情報工学概論 春学期
金曜日
3時限

本講義は,情報工学EP所属教員によるオムニバス形式の講義である.長尾教授は2回分を担当する予定. 情報工学分野の勉強や研究の面白さや難しさなどを分り易く解説する予定.

理工学部
数物・電子情報
系学科 2年

情報工学EP(Fi)・
電子情報システム
EP(Fe1組)
アルゴリズムと
データ構造


春学期

毎週
金曜日
1時限

プログラムとは,データの表現と構造に基づいて,抽象的・数学的な基本解法(アルゴリズム)を具体的に形式化したものである.したがって,計算機を動作させるためには,そのための基本となるアルゴリズムの理解が必須である.本講義では,アルゴリズムの考え方,記述方式,そのために必要な抽象的データ構造,アルゴリズムの数学的解析手法と評価について学び,計算と問題解決の原理について習得する.各回の内容を次に示す.

  1. アルゴリズム記述のための言語と基本的制御構造
  2. 基本的データ構造(1)(型、配列、レコード)
  3. 基本的データ構造(2)(列、バッファ)
  4. 探索アルゴリズム、計算量
  5. 整列アルゴリズム(1)(単純挿入整列、単純選択整列、単純交換整列)
  6. 整列アルゴリズム(2)(ヒープ整列、クイック整列、マージ整列)
  7. 再帰的アルゴリズム(1)(ハノイの塔)
  8. 再帰的アルゴリズム(2)(再帰曲線)
  9. バックトラックアルゴリズム(1)(8王妃問題、ナイト巡回問題)
  10. バックトラックアルゴリズム(2)(ナップザック問題、TSP)
  11. 動的データ構造(1)(線形リスト)
  12. 動的データ構造(2)(木構造)
  13. 動的データ構造(3)(木構造の操作)
  14. ハッシング
  15. その他のアルゴリズム
  16. 定期試験
理工学部
数物・電子情報
系学科 3年

情報工学EP

(他EPでも
受講可)
人工知能

春学期

毎週
水曜日
1時限

本講義では,計算機を用いて知的かつ高度な知能情報処理を実現するための学問分野である"人工知能"について,その基礎理論から最先端の応用までを学ぶ. 受講生に人工知能の根本的なフィロソフィー,代表的な方法論を理解してもらうだけでなく,自ら知的な人工システムを設計・構築することができる能力を身につけさせることが本講義のねらいである. 各回の内容を次に示す.

  1. 人工知能とは?(知能とその周辺・人工知能の定義・歴史・研究対象など)
  2. 問題解決と定式化1(人工知能の一般的方法論・状態空間法など)
  3. 問題解決と定式化2(問題分割法・手段目標解析・一般問題解決器 GPSなど)
  4. 探索(木の探索・A*アルゴリズム・ミニマックス法・αβ法・ゲーム木探索)
  5. エキスパートシステム(知識表現・知識ベース・プロダクションルール・論理)
  6. 心と認知のモデル(セマンティックネット・フレーム理論・ゲーム理論など)
  7. プラニング( STRIPSプラニング・即応プラニング)
  8. 推論(演繹推論・帰納推論・アブダクション・常識推論・仮説推論・類推など)
  9. 機械学習1(帰納学習・EBL・決定木・強化学習・事例に基づく学習 EBLなど)
  10. 機械学習2(ニューラルネットワーク・SVM・ブースティングなど)
  11. 分散人工知能(ソフトウェアエージェント・協調エージェント・協調AIなど)
  12. 進化計算法( ES・EP・GA・GP・最新の進化計算法・創発・人工生命など)
  13. 人工知能応用システム(人工知能技術を応用したシステム・産業や社会への応用など)
  14. 最新の研究事例紹介(最新の話題・研究テーマ・研究例など)
  15. 期末試験
理工学部
数物・電子情報
系学科 3年

情報工学EP

(他EPでも
受講可)
画像・音声
情報処理


講義サイトは
こちら

秋学期

毎週
火曜日
2時限

本講義では、画像・映像・音声などの情報メディアを計算機で取り扱う際に必要となる情報処理技術の基礎について学ぶ。単に知識を得るだけでなく、自ら情報メディア処理・情報メディアシステムを構築することができる能力を獲得することをねらいとし、理論・原理の理解とともに、具体的なプログラミングの方法についても修得する。

  1. 画像の入力と補正(階調補正・2値化・擬似階調表示・誤差拡散法など)
  2. 画像の変換処理(空間領域および周波数領域のフィルタリング・各種変換など)
  3. 画像のデータ圧縮(可逆・非可逆圧縮法・ウェーブレット変換・電子透かしなど)
  4. 2値画像処理(ラベリング・輪郭線追跡・モルフォロジ処理・Hough 変換など)
  5. 画像の認識(パターン認識・クラスタリング・画像認識システムの実際など)
  6. 立体・3次元認識(透視N点問題・ステレオ法・Shape from X 法・光切断法など)
  7. 3次元画像処理(ボクセルデータの取り扱い・3次元CG・医用画像処理など)
  8. 動画像の処理と認識(オプティカルフロー・勾配法・移動物体の抽出と追跡など)
  9. 最適化による画像処理(最適化法・進化計算法の画像処理への応用など)
  10. 最適化による画像認識(特徴量の選択と最適化・特徴量の改善・認識回路の生成など)
  11. 音声の分析と符号化(音声スペクトル・ケプストラム解析・音声圧縮伝送など)
  12. 音声の合成と認識(テキスト音声変換・HMM・話者特定・対話システムなど)
  13. 画像・音声の符号化(JPEG・MPEG・H264・インターネットの動画像伝送など)
  14. 画像・音声情報処理システム(ITS 応用・監視カメラ・自律移動ロボットなど)
  15. 画像・音声情報処理研究の最新事例紹介(最新の研究・産業応用の紹介など)
  16. 定期試験


長尾研究室ホームページへ