文理学部シラバスTOP > 大学院博士前期課程 > 地球情報数理科学専攻 > コンピュータ科学特論Ⅲ
日本大学ロゴ

コンピュータ科学特論Ⅲ

このページを印刷する

令和３年度以降入学者 コンピュータ科学特論Ⅲ
教員名 尾崎知伸
単位数    2 課程 前期課程 開講区分 文理学部
科目群 地球情報数理科学専攻
学期 後期 履修区分 選択必修
授業形態 対面授業
授業概要 深層学習と論理推論の統合アプローチであるニューロシンボリックAIに関する基礎技術や代表的なシステムについて学修し，その応用の可能性について議論する．
授業のねらい・到達目標 ・ニューロシンボリックAIの枠組みを用いて，基礎的な問題を表現することができる．
・ニューロシンボリックAIに関する基本的なアルゴリズムを説明できる．
・ニューロシンボリックAIに関する代表的なシステムを利用して，基礎的な問題を解決することができる．
授業の形式 講義、演習
授業の方法 授業・フィードバックの方法：
・講義とそれに対する議論を行う．
・受講者による資料の輪講および発表を行う．
・随時，計算機による実装・実験を行い，その結果に関して議論とフィードバックを行う．

事前相談によりオンライン参加が認められた場合の受講方法：
・Zoom（ライブ中継）にて授業に参加する．
・上記以外の事項は，対面参加学生と同条件とする．
授業計画
1 オリエンテーション（授業のテーマや到達目標及び授業の方法について説明する）
ニューロシンボリックAIに基づく問題解決の概要
【事前学習】シラバスを確認する．当該分野に関する簡単な調査を行う （1時間）
【事後学習】ニューロシンボリックAIの構成要素と分類，問題解決アプローチの概要を理解する （1時間）
【授業形態】対面授業
2 深層学習
【事前学習】配布資料を通読し，深層学習の構成要素や分類についてまとめる （2時間）
【事後学習】深層学習の概要と基礎的なモデルを中心に復習し，疑問点，不明点の解決を図る （2時間）
【授業形態】対面授業
3 論理プログラム
【事前学習】配布資料を通読し，論理プログラムの構文や意味についてまとめる （2時間）
【事後学習】論理プログラムの概要と基礎となるモデルの意図を中心に復習し，疑問点，不明点の解決を図る （2時間）
【授業形態】対面授業
4 確率論理プログラム
【事前学習】配布資料を通読し，確率論理プログラムの構文や意味についてまとめる （2時間）
【事後学習】確率論理プログラムの概要と基礎的な確率計算の方法を中心に復習し，疑問点，不明点の解決を図る （2時間）
【授業形態】対面授業
5 確定論理プログラムと深層学習
【事前学習】配布資料を通読し，確定論理プログラムと深層学習の融合方法の概要についてまとめる （2時間）
【事後学習】学習および推論アルゴリズムを中心に復習し，疑問点，不明点の解決を図る （2時間）
【授業形態】対面授業
6 解集合プログラムと深層学習
【事前学習】配布資料を通読し，解集合プログラムと深層学習の融合方法の概要についてまとめる （2時間）
【事後学習】学習および推論アルゴリズムを中心に復習し，疑問点，不明点の解決を図る （2時間）
【授業形態】対面授業
7 論理プログラムと深層学習による問題解決
【事前学習】配布資料を通読し，代表的なシステムのセットアップを行う （1時間）
【事後学習】代表的なシステムを用い，論理プログラムと深層学習による問題解決を実践する （3時間）
【授業形態】対面授業
8 帰納論理プログラミング
【事前学習】配布資料を通読し，帰納論理プログラムの問題設定や解法についてまとめる （2時間）
【事後学習】帰納論理プログラムの概要と基礎的な推論アルゴリズムを中心に復習し，疑問点，不明点の解決を図る （2時間）
【授業形態】対面授業
9 帰納論理プログラムと深層学習
【事前学習】配布資料を通読し，帰納論理プログラムと深層学習の融合方法の概要についてまとめる （2時間）
【事後学習】学習および推論アルゴリズムを中心に復習し，疑問点，不明点の解決を図る （2時間）
【授業形態】対面授業
10 帰納論理プログラムと深層学習による問題解決
【事前学習】配布資料を通読し，代表的なシステムのセットアップを行う （1時間）
【事後学習】代表的なシステムを用い，帰納論理プログラムと深層学習による問題解決を実践する （3時間）
【授業形態】対面授業
11 知識グラフ
【事前学習】配布資料を通読し，知識グラフの構文や意味についてまとめる （2時間）
【事後学習】知識グラフによる対象の表現と推論手法を中心に復習し，疑問点，不明点の解決を図る （2時間）
【授業形態】対面授業
12 知識グラフと深層学習
【事前学習】配布資料を通読し，知識グラフと深層学習の融合方法の概要についてまとめる （2時間）
【事後学習】学習および推論アルゴリズムを中心に復習し，疑問点，不明点の解決を図る （2時間）
【授業形態】対面授業
13 知識グラフと深層学習による問題解決
【事前学習】配布資料を通読し，代表的なシステムのセットアップを行う （1時間）
【事後学習】代表的なシステムを用い，知識グラフと深層学習による問題解決を実践する （3時間）
【授業形態】対面授業
14 ニューロシンボリックAIによる問題解決の実践
【事前学習】ニューロシンボリックAIによる問題解決に関し，各自でテーマを設定する （2時間）
【事後学習】各自で設定したテーマに対して，ニューロシンボリックAIに基づく問題解決を実践する （4時間）
【授業形態】対面授業
15 期末発表会とフィードバック
【事前学習】発表資料および期末レポートを準備する （3時間）
【事後学習】発表会での議論を踏まえ，今後の課題について考察する．また，これまでの学修内容を振り返り，どの様な発展が考えられるか考察する （1時間）
【授業形態】対面授業
その他
教科書 使用しない
参考書 P. Shakarian他, Neuro Symbolic Reasoning and Learning, Springer, 2023, 1 edition
その他，随時，関連する原著論文を利用する
成績評価の方法及び基準 レポート:手法の適切さと理解度合，レポートとしての完成度を中心に，設定した問題内容も考慮して評価する(60%)、授業参画度:講義内容に対する議論および期末発表とレポートの相互評価への参画度により評価する(40%)
期末レポート未提出の場合はE判定とする
オフィスアワー 質問は随時を受け付ける．原則，事前にメール等でアポイントをとること

↑このページのトップ