徳島大学 教育・研究者情報データベース(EDB)

1. 講義

1. 2006/[徳島大学.工学部.知能情報工学科]/[昼間コース]

1. 小野 典彦

   肩書	任意	教授([教職員.教員.本務教員]/[常勤])

(日) 知能システムの実現は容易ではなく，人間を凌駕するような知能を実現できた人工知能の応用領域はかぎられている. 本講義では，知能を計算機上に実現することがいかに困難な作業であるのかを種々の視点から浮き彫りにすると共に，それを克服することを目指して展開されている最近の人工知能技術を理解させることを目指す.

(日) 現実的な知能システムを構築する上で有望な枠組みと考えられる種々の要素技術にに焦点を合わせ，それらの基礎，応用および限界について解説する.

1. 人工知能(artificial intelligence)
2. 機械学習(machine learning)
3. 最適化(optimization)
4. 強化学習(reinforcement learning)
5. 進化計算(evolutionary computation)

1. 人工知能1([2006/[徳島大学.工学部.知能情報工学科]/[昼間コース]])

   必要度	任意	1.000000

1. 人工知能1([2006/[徳島大学.工学部.知能情報工学科]/[昼間コース]])

   関連度	任意	1.000000

2. 最適化理論([2006/[徳島大学.工学部.知能情報工学科]/[昼間コース]])

   関連度	任意	0.500000

3. ソフトウェア設計及び実験([2006/[徳島大学.工学部.知能情報工学科]/[昼間コース]])

   関連度	任意	0.500000

4. システム設計及び実験([2006/[徳島大学.工学部.知能情報工学科]/[昼間コース]])

   関連度	任意	0.500000

(日) 人工知能1を受講していることが望ましい．

(日) 本講義の理解には，人工知能に関する基礎知識が不可欠となる．

1. (日) 知能システムのトップダウン的な構築の限界を理解する．

2. (日) 知能システムのボトムアップ的な構築のための種々の要素技術について，その原理，応用方法および限界を理解する．

1. (日) 知能システムの実現はなぜ難しいか?

2. (日) 知能システムの創発的設計

3. (日) ニューラルネットの基礎I

4. (日) ニューラルネットの基礎II

5. (日) ニューラルネットの応用とその課題

6. (日) 強化学習の基礎I

7. (日) 強化学習の基礎II

8. (日) 強化学習の応用とその課題

9. (日) 進化的学習の基礎I

10. (日) 進化的学習の基礎II

11. (日) 進化的学習の応用とその課題

12. (日) 自律エージェントの創発的設計

13. (日) マルチエージェントシステムの創発的設計

14. (日) 時系列予測システムの創発的設計

15. (日) 予備日

16. (日) 期末試験

(日) 受講姿勢，課題に対する取組み状況，小テストの成績等の平常点と期末試験の成績を総合して行う.その比率はレポート40%，小テスト20%，期末試験40%である．

1. (日) 特に指定しない.

1. (日) S. Russell, P. Norvig 著·古川康一監訳:エージェントアプローチ 人工知能，共立出版

1. 小野 典彦

   オフィスアワー	任意

1. (日) 講義で使用するスライドの原稿はWeb上で公開するので，受講者は予めスライド原稿を印刷しておくこと.