Topic outline

  • 適応システム特論(Advanced Topics in Adaptive Systems)

    Aim

    This lecture aims at understanding the basics of adaptive systems. Through this lecture, students will be able to choose appropriate adaptive methods to a given problem. The methods include some traditional classification machine learning algorithms, Bio-Inspired Computing, and Reinforcement Learning methods.

    Summary

    To make a robot or an autonomous software/hardware agent, it is essential to have a functionality that responds properly to its environment. Such an adaptive mechanism inherently involves an ability to learn and optimize from experiences. This lecture introduces some basic methods of learning and optimizing by experiences, such as Reinforcement learning and Bio-Inspired Computing methods. As a sideways, this lecture also touches with some topics relating to standard machine learning algorithms, including Naive Bayes, Learning from Examples, and Support Vector Machines.

    Plan

    • Part 1, Esseitials of Bio-Inspired Computing (lecture by Prof. S. Takagi)
    • Part 2, Basics of learning systems (lecture by Prof. S. Mikami)

    概要:

    生物やその集団などが有する環境への適応能力の原理をアルゴリズムに実現して,複雑で変化する対象に対して早くよい解を与えるような適応システムについて論じます.

    具体的には強化学習を含む機械学習と,生物規範型計算(Bio-Inspired Computing)について,その原理と特徴,適用について理解してもらいます.問題に対して適した手法を選べるようになることを目標とします.

    講義計画:
    • 第一部.群の適応能力の実現(高木担当)
      • 進化計算や群知能
    • 第二部.個体の適応能力の実現(三上担当)
      • 強化学習や機械学習

  • 1: 9/26: A short guidance / 講義の内容紹介

    Only a brief introduction of the lecture and questionairs to identify students' knoledge, Please bring an internet connected PC. The lecture will end in a short time.

    初回は,受講者の事前知識のアンケート調査,講義サイトの使い方,講義の内容の簡単な紹介を予定しています.システムトラブルがなければ短時間で終わりにしたいと思います.

  • 9: 12/19: Basic machine learning methods /基礎的な機械学習手法, Naive Bayes

    適応システムの基礎として,いくつかの代表的な機械学習手法について説明します.先端的手法ではなく,原理と性質がよくわかる基礎的な手法について説明してゆきたいと思います.ここでは統計的学習手法の基礎中の基礎である,1R,およびnaive Bayesについて説明してゆきます.

    Files: 2Feedback: 1
  • 後半(機械学習技術)レポート課題(任意)

    前半(生物規範型計算)のレポート課題(すでに提出)のみを必須とし,後半(機械学習技術)に関しては必須としないこととしました.前半のみの提出でも,内容がある程度きちんとしてあれば十分な成績を付けたいと思いますので,安心してください.

    後半のレポートを提出する場合には,以下の課題から一つを選んでレポートとして提出してください.大学への成績提出の都合上,遅くとも2月4日までにお願いします.後半を提出した場合には,(内容が著しく薄いものでなければ),かなり高い評定にしたいと思います.

    • 授業で学んだデータマイニング手法の一つを使って,任意のデータにデータマイニングを行い,その結果や適用した手法の妥当性について検討し,レポートにまとめてください.データは,ネット上の統計データでもよいですし,自分の研究にかかわるデータなど,なんでもよいですが,ベンチマーク用によく知られているようなデータ(たとえばweather dataやirisなど)はできるだけ(絶対ではないですが)避けてもらえるとよいです .
    • 提出はPDFファイルで,このページのアップロード機能でお願いできますか.プログラムなら圧縮ファイル等で提出してもらえると助かります.

    Assignment: 1