開講年度
開講学部等
2025
大学院創成科学研究科（博士前期）
開講学期
曜日時限
授業形態
AL（アクティブ・ラーニング）ポイント
前期前半
火3～4
講義
時間割番号
科目名[英文名]
使用言語
単位数
3261420420
ソフトコンピューティング特論[Advanced Soft Computing]
日本語
1
担当教員（責任）[ローマ字表記]
メディア授業
間普 真吾[MABU Shingo]
ー
担当教員[ローマ字表記]
間普 真吾 [MABU Shingo]
特定科目区分
対象学生
対象年次
ディプロマ・ポリシーに関わる項目
カリキュラムマップ(授業科目とDPとの対応関係はこちらから閲覧できます)
メディア授業
×
メディア授業とは，メディアを利用して遠隔方式により実施する授業の授業時数が，総授業時数の半数を超える授業をいいます。
メディア授業により取得した単位は，卒業要件として修得すべき単位のうち60単位を超えないものとされています。
授業の目的と概要
学部講義「ソフトコンピューティング」の発展的内容を講義する．
本講義では，より複雑なニューラルネットワークの構成方法，学習方法に焦点をあてて講義し，深層ニューラルネットワークの様々なアーキテクチャを理解する．
授業の到達目標
・ニューラルネットワークには、構成方法が異なる様々なものがあることを理解する
・種類ごとのニューラルネットワークの機能，学習方法を理解する
・実際のデータに対し、その特徴に適したニューラルネットワークの選択ができる
・各専門分野の特性に応じ、深層学習適用の可能性や適用イメージを想定できる
授業計画
【全体】
講義を行い，講義に対する理解度を確認するためのレポートや小テストを課す．
項目
内容
授業時間外学習
備考
第1回
ソフトコンピューティング特論概観
講義概要
予習・復習（学修時間の目安：4時間以上）
第2回
順伝播型ニューラルネットワーク（１）
順伝播型ニューラルネットワークの構造と誤差関数の設計について学ぶ．
予習・復習（学修時間の目安：4時間以上）
第3回
順伝播型ニューラルネットワーク（２）
確率的勾配降下法と過学習の概念について学ぶ．
予習・復習（学修時間の目安：4時間以上）
第4回
順伝播型ニューラルネットワーク（３）
過学習の緩和法や学習を効率化するトリックについて学ぶ
予習・復習（学修時間の目安：4時間以上）
第5回
自己符号化器（１）
入力データのみを用いた教師なし学習法である自己符号化器の構造と学習アルゴリズムについて学ぶ．
予習・復習（学修時間の目安：4時間以上）
第6回
自己符号化器（２）
自己符号化器におけるスパース正則化，自己符号化器を用いた事前学習について学ぶ．
予習・復習（学修時間の目安：4時間以上）
第7回
畳み込みニューラルネットワーク（１）
畳み込みニューラルネットワークの構造，および学習アルゴリズムについて学ぶ
予習・復習（学修時間の目安：4時間以上）
第8回
畳み込みニューラルネットワーク（２）
畳み込みニューラルネットワークの応用について学ぶ．
予習・復習（学修時間の目安：4時間以上）
※AL（アクティブ・ラーニング）欄に関する注
・授業全体で、AL（アクティブ・ラーニング）が占める時間の割合を、それぞれの項目ごとに示しています。
・A〜Dのアルファベットは、以下の学修形態を指しています。
【A：グループワーク】、【B：ディスカッション・ディベート】、【C：フィールドワーク（実験・実習、演習を含む）】、【D：プレゼンテーション】
A: --% B: --% C: --% D: --%
成績評価法
宿題・レポート（複数回）100%で評価します。欠席2回以上は欠格として扱います。
教科書にかかわる情報
備考
参考書にかかわる情報
参考書
書名
深層学習
ISBN
9784065133323
著者名
岡谷貴之著
出版社
講談社
出版年
2022
備考
メッセージ
キーワード
深層学習、順伝搬型ニューラルネットワーク、畳み込みニューラルネットワーク、自己符号化器、誤差逆伝播法
持続可能な開発目標（SDGs）
(インフラ、産業化、イノベーション)強靱（レジリエント）なインフラ構築、包摂的かつ持続可能な産業化の促進及びイノベーションの推進を図る。
関連科目
履修条件
連絡先
知能情報棟5F
mabu@yamaguchi-u.ac.jp
オフィスアワー
在室時に対応可能だが，事前にメール連絡があることが望ましい．
ページの先頭へ