理工学部Faculty of Science and Engineering
COT300XE（計算基盤 / Computing technologies 300）ソフトコンピューティングSoft computing
李 磊Lilei LILEI
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 | H6060 |
| 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 lecture will include the following topics : Introduction, Model of neuron, Learning for Neural network, Hopfield network, Boltzmann machine, Principle of the Fuzzy, Fuzzy inference, Principle of genetic algorithm, Procedure of genetic algorithm, Application of neural network, Application of Fuzzy, Application of genetic algorithm, Fusion of different algorithms, etc. The goal is learning various softcomputing methods to solve many application problems. Data structure and Algorithms is needed for preparation using about 4 hours outside of the class. Grading criteria is based on the score of final exam, 60% or more is needed for pass.
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
授業のテーマは下記の通りである。はじめに、ニューロンのモデル、ニューラルネットワークの学習、ホップフィールドネット、ボルツマンマシン、ファジィの原理、ファジィ推論、遺伝的アルゴリズムの原理、遺伝的アルゴリズムの流れ、ニューラルネットワークの応用例、ファジィの応用例、遺伝的アルゴリズムの応用例、異なる手法の融合、まとめ。
到達目標Goal
ニューラルネットワークは脳を模擬しようとし、ファジィは人間の主観的な情報処理方式を、遺伝的アルゴリズムは生物の進化のメカニズムを模擬しようとしている。この講義で、これらのソフトコンピューティングという情報処理の手法を紹介する。様々の応用問題に適用できる能力を身につけてもらう。
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. ）
授業計画に従い、ニューラルネットワーク、遺伝的アルゴリズム、ファジイ推論を紹介していく。課題等に対し、授業期間中で回答における評価及び解説を行う。
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[対面/face to face]：はじめに
はじめに
第2回[対面/face to face]：ニューロンのモデル
ニューロンのモデルを紹介する
第3回[対面/face to face]：ニューラルネットワークの学習
ニューラルネットワークの基本原理
第4回[対面/face to face]：ホップフィールドネット
ホップフィールドネットを紹介する
第5回[対面/face to face]：ボルツマンマシン
ボルツマンマシンネットワークを紹介する
第6回[対面/face to face]：ファジィの原理
ファジー集合、ファジイ演算
第7回[対面/face to face]：ファジィ推論
ファジイ推論とその制御への応用
第8回[対面/face to face]：遺伝的アルゴリズムの原理
遺伝的アルゴリズムの基本原理を紹介する
第9回[対面/face to face]：遺伝的アルゴリズムの流れ
遺伝的アルゴリズムの実装とその応用
第10回[対面/face to face]：ニューラルネットワークの応用例
ニューラルネットワークの応用例
第11回[対面/face to face]：ファジィの応用例
ファジーの応用例
第12回[対面/face to face]：遺伝的アルゴリズムの応用例
遺伝的アルゴリズムの応用例
第13回[対面/face to face]：異なる手法の融合（1）
異なる手法の組み合わせ
第14回[対面/face to face]：異なる手法の融合（2）
異なる手法の組み合わせ
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】データ構造とアルゴリズムの復習
テキスト（教科書）Textbooks
萩原将文、ニューロ・ファジィ・遺伝的アルゴリズム、産業図書。
参考書References
必要に応じて随時に参考資料を配布する。
成績評価の方法と基準Grading criteria
期末の定期試験の成績で評価する。6割以上の得点を合格基準とする。
学生の意見等からの気づきChanges following student comments
易しい実例も合わせて紹介する。
学生が準備すべき機器他Equipment student needs to prepare
液晶プロジェクト等を利用する。
その他の重要事項Others
特になし