| 学部・大学院区分 | | 情報学部 | | | 時間割コード | | 1002150 | | | 科目区分 | | | | | 科目名 【日本語】 | | 計算情報学２ | | | 科目名 【英語】 | | Computational Informatics 2 | | | コースナンバリングコード | | | | | 担当教員 【日本語】 | | 鈴木 泰博 ○
内山 知実 | | | 担当教員 【英語】 | | SUZUKI Yasuhiro ○
UCHIYAMA Tomomi | | | 単位数 | | 1 | | | 開講期・開講時間帯 | | 春１期 木曜日 ２時限
Spring1 Thu 2 | | | 対象学年 | | ３年
3 | | | 授業形態 | | 講義
Lecture | | | 開講系（学部）・開講専攻（大学院） | | | | | 必修・選択 | | | |
| 授業の目的 【日本語】 | | | 複雑システム解析法Ⅰ：複雑システム系の解析を行うための基本的な知識を学ぶ。（1）複雑システム入門（微分方程式, 確率過程による数理モデル化）（2）決定論系の数値解法（非線形方程式，逐次近似，補間）（3）微分方程式の数値解法（数値積分，オイラー法，ルンゲ-クッタ法）（4）確率過程系の数値解法（Gillespie法, 確率過程系からの微分方程式の導出）（5）ハイブリッド系（微分方程式系＋確率過程系）でのオイラー法，R-K法 （6）複雑データ解析法1（相関，最小二乗法）（7）複雑データ解析法2（クラスタリング，サポートベクターマシン）（8）ナチュラルコンピューティングを用いた複雑システム解析法（セルラオートマトン，ディープラーニング，分子計算，反応拡散計算系） |
| | | 授業の目的 【英語】 | | Complex system analysis method I: Learn the basic knowledge to analyze complex system. (1) Introduction to complex systems (differential equations, mathematical modelling by stochastic processes) (2) Numerical solution of deterministic systems (nonlinear equations, successive approximation, interpolation) (3) Numerical solution of differential equations (numerical integration, Euler method, Runge-Kutta method) (4) Numerical solution of stochastic system (Gillespie method, derivation of a differential equation from the stochastic system) (5) Euler method in the hybrid system (differential equation system + stochastic system), RK method ( 6) Complex data analysis method 1 (correlation, least squares method) (7) Complex data analysis method 2 (clustering, support vector machine) (8) Complex system analysis method using natural computing (cellular automaton, deep learning, molecule) Calculation, reaction-diffusion calculation system)
|
| | | 到達目標 【日本語】 | | | 複雑システム系の解析を行うための基本的な知識を学ぶ。そのため，連続—決定論系（微分方程式），連続—確率系（確率過程），離散—決定論系（ハイブリッド系），離散—確率系（抽象化学系，マルチエージェントシステム）の4種類の数理モデルとデータ解析にもちいる統計手法やクラスタリング法について学ぶ。 |
| | | 到達目標 【英語】 | | | | | 授業の内容や構成 | | 一つの現象について連続系と確率系で記述することができ，その双方が大数要素の条件下で一致する場合があり，複雑システム系の解析に有用であり，かつここでは[目的]で挙げた4種類の数理モデルがすべて含まれる。その他，解析のために必要な方法を紹介する。R言語による実習（自習を含む）を行う。
（1）決定論系の数値解法（逐次近似・代入法，ニュートン法）（2）数値積分（補間法，区分求積，シンプソンの公式）（3）微分方程式の数値解法（オイラー法，ルンゲ-クッタ法）（4）連立1次方程式の数値解法（ガウス法, LU分解）（5）確率過程系の数値解法（Gillespie法, 確率過程系からの微分方程式の導出）（6） ハイブリッド計算系（確率過程系でのオイラー法とニュートン法）（7）ナチュラルコンピューティングを用いた複雑システム解析法（セルラオートマトン，分子計算，反応拡散計算系ほか） | |
| | | 履修条件・関連する科目 | | | | | 成績評価の方法と基準 | | | | | 教科書・参考書 | | | | | 課外学習等（授業時間外学習の指示） | | | | | 授業開講形態等 | | | | | 遠隔授業（オンデマンド型）で行う場合の追加措置 | | | |
|