理工学部Faculty of Science and Engineering
HUI200XE（人間情報学 / Human informatics 200）信号理論Signal theory
周 金佳Jinjia ZHOU
授業コードなどClass code etc
| 学部・研究科Faculty/Graduate school | 理工学部Faculty of Science and Engineering |
| 添付ファイル名Attached documents | |
| 年度Year | 2022 |
| 授業コードClass code | H6039 |
| 旧授業コードPrevious Class code | |
| 旧科目名Previous Class title | |
| 開講時期Term | 春学期授業/Spring |
| 曜日・時限Day/Period | 水2/Wed.2 |
| 科目種別Class Type | |
| キャンパスCampus | 小金井 |
| 教室名称Classroom name | 各学部・研究科等の時間割等で確認 |
| 配当年次Grade | |
| 単位数Credit(s) | |
| 備考（履修条件等）Notes | |
| 他学部公開科目Open Program | |
| 他学部公開（履修条件等）Open Program (Notes) | |
| グローバル・オープン科目Global Open Program | |
| 成績優秀者の他学部科目履修制度対象Interdepartmental class taking system for Academic Achievers | |
| 成績優秀者の他学部科目履修（履修条件等）Interdepartmental class taking system for Academic Achievers (Notes) | |
| 実務経験のある教員による授業科目Class taught by instructors with practical experience | |
| SDGsCPSDGs CP | |
| アーバンデザインCPUrban Design CP | |
| ダイバーシティCPDiversity CP | |
| 未来教室CPLearning for the Future CP | |
| カーボンニュートラルCPCarbon Neutral CP | |
| 千代田コンソ単位互換提供（他大学向け）Chiyoda Campus Consortium | |
| カテゴリー＜理工学部＞Category |
応用情報工学科 学科専門科目 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
This course introduces methods to characterize random signals. A set of multi-dimensional joint probability distribution/density functions are introduced for the complete characterization of random signals. Second and higher-order moments and related statistics such as autocorrelation function are introduced for the practical signal analysis. Finally, the regression and classification methods are introduced. The goals of this course are to understand the background foundation for digital signal processing.
Before/after each class meeting, students will be expected to spend four hours understanding the course content.
The final grade will be calculated according to the following process reports (40%), final examination (60%), and in-class contribution.
授業で使用する言語Default language used in class
日本語 / Japanese
授業の概要と目的（何を学ぶか）Outline and objectives
本講義ではランダム信号を特徴付け工学的に応用するための方法論について学ぶ。
到達目標Goal
確率変数に時間のパラメーターを加えて得られるランダム信号の概念を理解する。ランダム信号の基本的性質として定常性（弱定常、強い定常）、独立性を理解する。モーメント関数による信号の特徴づけを理解する。信号の回帰分析と分類方法を理解する。
この授業を履修することで学部等のディプロマポリシーに示されたどの能力を習得することができるか（該当授業科目と学位授与方針に明示された学習成果との関連）Which item of the diploma policy will be obtained by taking this class?
ディプロマポリシーのうち、「DP1」と「DP2」と「DP4」に関連
授業で使用する言語Default language used in class
日本語 / Japanese
授業の進め方と方法Method(s)（学期の途中で変更になる場合には、別途提示します。 /If the Method(s) is changed, we will announce the details of any changes. ）
まず確率過程論の基本的な概念（ランダム信号の結合確率密度関数、モーメント、相関関数、定常性等） について代表的な信号としてガウス過程、ランダム信号、ポアソン過程を取り上げながら述べる。次いで信号の特徴付けに有用なスペクトル解析の手法、ウィナーヒンチンの定理等について理解させる。最後に信号分析と分類方法ついて講述する。
課題等の提出・フィードバックは「学習支援システム」を通じて行う予定です。
「各回の授業計画の変更については、学習支援システムでその都度提示する。」
アクティブラーニング（グループディスカッション、ディベート等）の実施Active learning in class (Group discussion, Debate.etc.)
あり / Yes
フィールドワーク（学外での実習等）の実施Fieldwork in class
なし / No
授業計画Schedule
授業形態/methods of teaching：対面/face to face
※各回の授業形態は予定です。教員の指示に従ってください。
第1回[オンライン/online]：導入
様々な信号処理理論を応用例とともに紹介
第2回[オンライン/online]：復習
復習：線形代数、最適化、確率、統計
第3回[オンライン/online]：不規則信号
不規則信号の基礎的概念
第4回[オンライン/online]：代表的な不規則信号
ポアソン過程、ガウス過程とその例
第5回[オンライン/online]：不規則信号の特徴付け1
振幅分布、モーメント、共分散関数
第6回[オンライン/online]：不規則信号の特徴付け2
パワースペクトルとウィナーヒンチンの定理
第7回[対面/face to face]：不規則信号の特徴付け3
雑音のモデル化
第8回[対面/face to face]：分析の基礎
散布図と相関関係、分析で注意すべき点
第9回[対面/face to face]：回帰分析
線形回帰分析、一般化線形モデル
第10回[対面/face to face]：分類１
回帰と分類、線形判別分析
第11回[対面/face to face]：分類2
サポートベクトルマシン、確率の分類
第12回[対面/face to face]：分類3
決定木
第13回[対面/face to face]：ニューラルネットワーク1
ニューラルネットワークの基礎的概念、pythonによるニューラルネットワークの実装
第14回[対面/face to face]：ニューラルネットワーク2
ニューラルネットワークの課題と拡張
授業時間外の学習（準備学習・復習・宿題等）Work to be done outside of class (preparation, etc.)
【本授業の準備・復習等の授業時間外学習は、4時間を標準とする】1年生配当科目”確率統計”で学んだ内容を基礎に講義を行う。確率統計に関する基礎知識を復習しておくこと。また、適宜演習問題を配布するので講義の理解を確かめるために事業外で学習すること。
テキスト（教科書）Textbooks
P. Z. Peebles, “Probability, Random Variables, and Random Signal Principles,” 4th Edition, McGraw-Hill, 2001.
竹村彰通、姫野哲人、高田聖治、「データサイエンス入門」、学術図書出版社
参考書References
中川 正雄著、「確率過程」 （電気・電子・情報工学系テキストシリーズ)、培風館
成績評価の方法と基準Grading criteria
成績は学期末試験60%、レポート課題40%として評価する。
成績評価は100点満点とし、60点以上が合格となります。
学生の意見等からの気づきChanges following student comments
具体的な例題を増やし理解を助ける。
その他の重要事項Others
オンラインでの開講となった場合、オンライン授業の方法や授業計画の変更、成績評価方法の変更などについては、学習支援システムでその都度提示する。担当教員から学習支援システムを通じた連絡がないか、日ごろからよく確認するようにしてください。