学部・大学院区分
Undergraduate / Graduate
工・博前
時間割コード
Registration Code
2851106
科目区分【日本語】
Course Category
基礎科目
科目区分【英語】
Course Category
Basic Courses
科目名 【日本語】
Course Title
機械情報処理特論
科目名 【英語】
Course Title
Advanced Lectures on Machine Information Processing
コースナンバリングコード
Course Numbering Code
担当教員 【日本語】
Instructor
鈴木 達也 ○ 奥田 裕之
担当教員 【英語】
Instructor
SUZUKI Tatsuya ○ OKUDA Hiroyuki
単位数
Credits
2
開講期・開講時間帯
Term / Day / Period
春 水曜日 1時限
Spring Wed 1
授業形態
Course style
講義
Lecture
学科・専攻【日本語】
Department / Program
機械システム工学専攻
学科・専攻【英語】
Department / Program
Department of Mechanical Systems Engineering
必修・選択【日本語】
Required / Selected
必修・選択【英語】
Required / Selected


授業の目的 【日本語】
Goals of the Course(JPN)
本特論では、機械システムにICTを導入する際に不可欠となる情報処理技術として、べイズ推定に基づく様々な信号処理、情報処理の考え方・手法について講術し、その応用例を示す。また、ベイジアンフィルタの視点からカルマンフィルタと隠れマルコフモデルについても述べ、それらの応用例を示す。 最後に離散事象と連続時間ダイナミクスが混在したハイブリッドシステムについて紹介し、その応用例を示す。この講義を修得することにより、以下のことができるようになることを目標とする。

1.確率の基礎の理解
2.ベイズ推定による推論手法の理解と具体的計算ができる
3.ベイジアンネットワークを用いた推論手法の理解と具体的計算ができる
4.ダイナミックベイジアンネットワークとベイジアンフィルタの理解
5.カルマンフィルタの理解と具体的計算ができる
6.隠れマルコフモデルの理解と具体的計算ができる
7.ハイブリッド動的システムの理解
8.移動体のシステム設計ができる
9.知能化システムのためのセンサと信号処理の理解
10.知能を実現する計算ハードウェアの理解
11.発展的な数値計算の理解
12.ソフトウェア実装のための実用プログラミングを実行できる
13.ソフトウェアの設計と評価ができる
14.知能化システムの具体例の理解
授業の目的 【英語】
Goals of the Course
This lecture provides the technologies on Bayesian inference, which can be a basis to make a bridge between mechanical systems and ICT (Information and Communication Technology). Relations between the Bayesian inference and other traditional signal processing techniques, such as Kalman filter and Hidden Markov Model, are also explained. In addition, continuous/discrete hybrid dynamical systems are introduced together with their typical applications.
After taking this course, the students are expected to have abilities on:

1.Understanding of fundamental probabilistic theory
2.Understanding of Bayesian inference and its application
3.Understanding of Bayesian network and its application
4.Understanding of dynamic Bayesian network and Bayesian filter
5.Understanding of Kalman filter and its application
6.Understanding of Hidden Markov model and its application
7.Understanding of Hybrid dynamical systems
8.Understanding of Design of Mobile Robot
9.Understanding of Sensing and Signal Processing for Intelligent System
10.Understanding of Computational Architecture for Intelligent Systems
11.Understanding of Advanced Numerical Computation
12.Understanding of Advanced Software Programming for Implementation
13.Understanding of Design and Evaluation of Software
14.Understanding of Case Study of Intelligent System
到達目標 【日本語】
Objectives of the Course(JPN))
本特論では、機械システムにICTを導入する際に不可欠となる情報処理技術として、べイズ推定に基づく様々な信号処理、情報処理の考え方・手法について講術し、その応用例を示す。また、ベイジアンフィルタの視点からカルマンフィルタと隠れマルコフモデルについても述べ、それらの応用例を示す。 最後に離散事象と連続時間ダイナミクスが混在したハイブリッドシステムについて紹介し、その応用例を示す。この講義を修得することにより、以下のことができるようになることを目標とする。

1.確率の基礎の理解
2.ベイズ推定による推論手法の理解と具体的計算ができる
3.ベイジアンネットワークを用いた推論手法の理解と具体的計算ができる
4.ダイナミックベイジアンネットワークとベイジアンフィルタの理解
5.カルマンフィルタの理解と具体的計算ができる
6.隠れマルコフモデルの理解と具体的計算ができる
7.ハイブリッド動的システムの理解
8.移動体のシステム設計ができる
9.知能化システムのためのセンサと信号処理の理解
10.知能を実現する計算ハードウェアの理解
11.発展的な数値計算の理解
12.ソフトウェア実装のための実用プログラミングを実行できる
13.ソフトウェアの設計と評価ができる
14.知能化システムの具体例の理解
到達目標 【英語】
Objectives of the Course
This lecture provides the technologies on Bayesian inference, which can be a basis to make a bridge between mechanical systems and ICT (Information and Communication Technology). Relations between the Bayesian inference and other traditional signal processing techniques, such as Kalman filter and Hidden Markov Model, are also explained. In addition, continuous/discrete hybrid dynamical systems are introduced together with their typical applications.
After taking this course, the students are expected to have abilities on:

1.Understanding of fundamental probabilistic theory
2.Understanding of Bayesian inference and its application
3.Understanding of Bayesian network and its application
4.Understanding of dynamic Bayesian network and Bayesian filter
5.Understanding of Kalman filter and its application
6.Understanding of Hidden Markov model and its application
7.Understanding of Hybrid dynamical systems
8.Understanding of Design of Mobile Robot
9.Understanding of Sensing and Signal Processing for Intelligent System
10.Understanding of Computational Architecture for Intelligent Systems
11.Understanding of Advanced Numerical Computation
12.Understanding of Advanced Software Programming for Implementation
13.Understanding of Design and Evaluation of Software
14.Understanding of Case Study of Intelligent System
バックグラウンドとなる科目【日本語】
Prerequisite Subjects
情報基礎論、制御工学
バックグラウンドとなる科目【英語】
Prerequisite Subjects
Information processing, Control engineering
授業の内容【日本語】
Course Content
本講義の構成は以下の通りである。

1.確率の基礎
2.ベイズ推定
3.ベイジアンネットワーク
4.ダイナミックベイジアンネットワークとベイジアンフィルタ
5.カルマンフィルタ
6.隠れマルコフモデル
7.ハイブリッド動的システム
8.移動体のシステム設計
9.知能化システムのためのセンサと信号処理
10.知能を実現する計算ハードウェア
11.発展的な数値計算
12.ソフトウェア実装のための実用プログラミング
13.ソフトウェアの設計と評価る
14.知能化システムの具体例

毎回の授業前に講義資料の指定個所を読んでおくこと。講義終了後は、講義資料の例題・章末問題などを自分で解くこと。また、数回のレポートを課すので、それを解いて提出すること。
授業の内容【英語】
Course Content
This course is organized as follows:

1.Basis on probability theory
2.Bayesian inference
3.Bayesian network
4.Dynamic Bayesian network and Bayesian filter
5.Kalman filter
6.Hidden Markov model
7.Hybrid dynamical system
8.Design of Mobile Robot
9.Sensing and Signal Processing for Intelligent System
10.Computational Architecture for Intelligent Systems
11.Advanced Numerical Computation
12.Advanced Software Programming for Implementation
13.Design and Evaluation of Software
14.Case Study of Intelligent System


Read carefully the lecture notes before attending each class. After each class, solving the exercises in the lecture notes is highly recommended. Submission of the reports after some class is mandatory.
成績評価の方法と基準【日本語】
Course Evaluation Method and Criteria
達成目標に対する評価の重みは同等である.期末試験、演習のレポート提出にて総合的に100点満点で評価する。60点以上を合格とする.基本的な機械情報処理にまつわる問題を正確に扱うことができれば合格とし、より難易度の高い問題を扱うことができればそれに応じて成績に反映させる。
成績評価の方法と基準【英語】
Course Evaluation Method and Criteria
Evaluation is based on the written examination and written report. You need more than mark of 60 out of 100 points. If the fundamental topics are successfully understood, credit will be awarded. Higher grade will be provided depending on the level of understood topics.
履修条件・注意事項【日本語】
Course Prerequisites / Notes
履修条件は要しない。
授業は原則として対面で行うが、受講人数によっては遠隔授業を行う可能性もあるので、NUCT上のアナウンスを確認すること。
履修条件・注意事項【英語】
Course Prerequisites / Notes
教科書【日本語】
Textbook
毎回、講義資料を用意する
教科書【英語】
Textbook
Original lecture notes will be provided.
参考書【日本語】
Reference Book
講義時に口頭で紹介する。
参考書【英語】
Reference Book
It will be announced in the class.
授業時間外学習の指示【日本語】
Self-directed Learning Outside Course Hours
授業時間外学習の指示【英語】
Self-directed Learning Outside Course Hours
使用言語【英語】
Language used
Japanese
使用言語【日本語】
Language used
日本語
授業開講形態等【日本語】
Lecture format, etc.
対面式
授業開講形態等【英語】
Lecture format, etc.
Face to face
遠隔授業(オンデマンド型)で行う場合の追加措置【日本語】
Additional measures for remote class (on-demand class)
遠隔授業(オンデマンド型)で行う場合の追加措置【英語】
Additional measures for remote class (on-demand class)