|
専門教育課程 情報工学科
| 授業科目区分 |
科目名 |
単位数 |
科目コード |
開講時期 |
履修方法 |
専門教育課程
専門科目
専門 |
パターン認識(再履修クラス)
Pattern Analysis
|
2 |
E532-02 |
2024年度
５期（前学期）
|
修学規程第4条を参照 |
| 授業科目の学習・教育目標 |
| キーワード |
学習・教育目標 |
| 1.コンピュータビジョン
2.２値画像
3.文字認識
4.パーセプトロン
5.ニューラルネットワーク
|
（１）パターン認識関連アルゴリズムを学習する
（２）２値画像分析プログラムを作成できる
（３）単純パーセプトロンを理解し、プログラムで実現できる
（４）ニューラルネットワークを理解し、様々な応用について説明できる。 |
| 授業の概要および学習上の助言 |
| 事前にコンピュータにprocessing (OpenCV) をインストールする |
| 教科書および参考書・リザーブドブック |
| 教科書：指定なし
参考書：指定なし
ﾘｻﾞｰﾌﾞﾄﾞﾌﾞｯｸ：指定なし |
| 履修に必要な予備知識や技能 |
| C言語あるいはJava言語でプログラミングできる |
| 学生が達成すべき行動目標 |
| No. |
学科教育目標
（記号表記） |
|
| ① |
A,B,C |
パターン認識関連アルゴリズムを説明できる |
| ② |
A,B,C,D |
２値画像処理と特徴抽出をプログラムで実現できる |
| ③ |
A,B,C,D |
単純パーセプトロンをプログラミングで実現できる |
| ④ |
A,B,C,D |
ニューラルネットワークを理解し、様々な応用について説明できる |
| ⑤ |
B,C,D |
画像からデータを抽出・分析・分類する一連の流れについて説明できる |
| ⑥ |
|
|
| 達成度評価 |
|
|
評価方法 |
| 総合評価割合 |
30 |
30 |
40 |
0 |
0 |
0 |
0 |
100 |
| 指標と評価割合 |
総合評価割合 |
30 |
30 |
40 |
0 |
0 |
0 |
0 |
100 |
| 総合力指標 |
20 |
20 |
10 |
0 |
0 |
0 |
0 |
50 |
| 10 |
10 |
10 |
0 |
0 |
0 |
0 |
30 |
| 0 |
0 |
10 |
0 |
0 |
0 |
0 |
10 |
| 0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
| 0 |
0 |
10 |
0 |
0 |
0 |
0 |
10 |
| 評価の要点 |
| 評価方法 |
行動目標 |
評価の実施方法と注意点 |
| 試験 |
① |
レ |
学習内容の理解と達成度を確認するため、学期末に実施する。 |
| ② |
レ |
| ③ |
|
| ④ |
レ |
| ⑤ |
レ |
| ⑥ |
|
クイズ
小テスト |
① |
レ |
学習内容を復習するため、学期中ほどに中間振り返りとして、1回実施する。 |
| ② |
レ |
| ③ |
|
| ④ |
レ |
| ⑤ |
レ |
| ⑥ |
|
| レポート |
① |
レ |
２回レポートを提出する。
問題解決の方法を述べるレポート、実行プログラム、実行結果など、総合的に評価する。 |
| ② |
レ |
| ③ |
レ |
| ④ |
レ |
| ⑤ |
レ |
| ⑥ |
|
成果発表
(口頭・実技) |
① |
|
|
| ② |
|
| ③ |
|
| ④ |
|
| ⑤ |
|
| ⑥ |
|
| 作品 |
① |
|
|
| ② |
|
| ③ |
|
| ④ |
|
| ⑤ |
|
| ⑥ |
|
| ポートフォリオ |
① |
|
|
| ② |
|
| ③ |
|
| ④ |
|
| ⑤ |
|
| ⑥ |
|
| その他 |
① |
|
|
| ② |
|
| ③ |
|
| ④ |
|
| ⑤ |
|
| ⑥ |
|
| 具体的な達成の目安 |
| 理想的な達成レベルの目安 |
標準的な達成レベルの目安 |
| パターン認識に関連するアルゴリズムを説明できる。また、画
像からデータを抽出・認識に至る一連の流れを説明できる。更
に、パーセプトロン、３層ニューラルネットワークをプログラ
ミングによって実現できる。 |
パターン認識に関連するアルゴリズムを説明できる。また、画
像からデータを抽出・認識に至る一連の流れを説明できる。 |
| 授業明細 |
| 回数 |
学習内容 |
授業の運営方法 |
学習課題 予習・復習 |
時間：分※ |
| 1週 |
オリエンテーション
プログラミング環境構築 |
講義、演習、質疑応答 |
復習：プログラミング演習の課題
を完成させる |
60 |
| 2週 |
映像入力 |
講義、演習、質疑応答 |
復習：プログラミング演習の課題
を完成させる |
60 |
| 3週 |
差分画像、２値画像 |
講義および質疑応答 |
復習：プログラミング演習の課題
を完成させる |
60
|
| 4週 |
特徴抽出 |
講義および質疑応答 |
復習：プログラミング演習の課題
を完成させる |
60
|
| 5週 |
特徴抽出 |
講義および質疑応答 |
復習：プログラミング演習の課題
を完成させる |
60
|
| 6週 |
パーセプトロン |
講義および質疑応答 |
復習：プログラミング演習の課題
を完成させる |
60 |
| 7週 |
パーセプトロン |
講義および質疑応答 |
復習：プログラミング演習の課題
を完成させる |
60 |
| 8週 |
小テスト
レポート1に関連する演習 |
筆記テスト、電卓必要 |
|
|
| 9週 |
レポート1に関連する演習 |
講義、演習、質疑応答 |
復習：プログラミング演習の課題
を完成させる |
60 |
| 10週 |
パーセプトロン |
講義、演習、質疑応答 |
復習：プログラミング演習の課題
を完成させる |
60 |
| 11週 |
ニューラルネットワーク |
講義、演習、質疑応答 |
復習：プログラミング演習の課題
を完成させる |
60
|
| 12週 |
ニューラルネットワーク |
講義、演習、質疑応答 |
復習：プログラミング演習の課題
を完成させる |
60
|
| 13週 |
ニューラルネットワーク
レポート２作成 |
講義、演習、質疑応答 |
復習：プログラミング演習の課題
を完成させる |
60
|
| 14週 |
学期末試験
レポート２作成 |
筆記試験、電卓必要 |
|
|
| 15週 |
総括、レポート２提出、試験解説、成績面談 |
|
|
|
|
一般に、授業あるいは課外での学習では：「知識などを取り込む」→「知識などをいろいろな角度から、場合によってはチーム活動として、考え、推論し、創造する」→「修得した内容を表現、発表、伝達する」→「総合的に評価を受ける、ＧｏｏｄＷｏｒｋ！」：のようなプロセス（一部あるいは全体）を繰り返し行いながら、応用力のある知識やスキルを身につけていくことが重要です。このような学習プロセスを大事に行動してください。
※学習課題の時間欄には、指定された学習課題に要する標準的な時間を記載してあります。日々の自学自習時間全体としては、各授業に応じた時間（例えば2単位科目の場合、予習2時間・復習2時間／週）を取るよう努めてください。詳しくは教員の指導に従って下さい。