筑波大学教育課程編成支援システム

01CF114 適応的メディア処理

1.0 単位, 1・2 年次, 春AB 月2
亀山啓輔

授業概要

メディア情報の処理、認識、検索に際して用いられる適応的な手法について講述する。メディアコンテンツの適応的な扱いを行う際に必須となる機械学習や信号・画像処理の基本的知識やアルゴリズムに重心を置きつつ、近年の研究動向も含めながら講義を行う。

備考

01CH609, 0AL5430と同一。
英語で授業。

授業形態

講義

学位プログラム・コンピテンスとの関係

知の活用力,国際性,研究力,知識力

授業の到達目標（学修成果）

メディア特に画像の処理や認識に関わるパターン認識や機械学習の基礎と近年の研究動向を習得する.

キーワード

パターン認識, 適応, 特徴抽出, 画像処理, 機械学習

授業計画

メディア情報の処理,認識,検索に際して用いられる適応的な手法について講述する.メディアコンテンツの適応的な扱いを行う際に必須となるパターン認識,機械学習,信号・画像処理の基本的知識やアルゴリズムに重心を置きつつ,近年の研究動向も含めながら講義を行う.

・	Weeks 1-2 Introduction and reviews on math used in this course.
・	Weeks 3-7 Theories and techniques for adaptation, recognition and retrieval. Basic Pattern Recognition and the Bayes Rule Linear Discrimination and Adaptive Filters Neural Networks Support Vector Machines Clustering Nearest Neighbor and Subspace Methods
・	Weeks 8-10 Applications Content-Based Image Retrieval (CBIR) Biometric Authentication Classification of general object images

履修条件

学部レベルの線形代数,解析,確率統計.信号処理の基礎に関する知識があればなおよい.

成績評価方法

不定期に課する小課題と期末課題の報告を評価する.

学修時間の割り当て及び授業外における学修方法

教材・参考文献・配付資料等

資料をオンライン配布する.
https://adapt.cs.tsukuba.ac.jp/moodle342/course/view.php?id=2
(guest access allowed)

1. C. Bishop,Neural networks for pattern recognition, Oxford Univ. Press 1995
2. S. Haykin,Neural networks - A comprehensive foundation - Prentice Hall 1998
3. F. M. Ham and I. Kostanic,Principles of neurocomputing for science and engineering, McGraw-Hill, 2001
4. C. Bishop,Pattern recognition and machine learning, Springer 2006 (邦訳あり)
5. 熊沢逸夫,学習とニューラルネットワーク、森北出版.

オフィスアワー等（連絡先含む）

メール連絡ください.

1001649 http://adapt.cs.tsukuba.ac.jp

その他（受講生にのぞむことや受講上の注意点等）

英語で講義.提出物も英語で作成すること.

他の授業科目との関連

ティーチングフェロー（TF）・ティーチングアシスタント（TA）

なし

シラバス参照