理工学部Faculty of Science and Engineering
HUI200XE(人間情報学 / Human informatics 200)センシング工学Sensing Engineering
赤松 茂Shigeru AKAMATSU
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 | H6106 |
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 | 金2/Fri.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)
Course Outline and Learning Objectives: This course provides introduction to measurement engineering with particular emphasis on mathematical study of dimensional analysis, theory of error, and compressed representation of observed data. Also includes sensing of geometric configuration, color, and depth information as well as sensibility evaluation by human.
Grading Criteria /Policy: Students are graded by comparative validation of their scores achieved at semester final exam and accomplishment report of homework assignments.
Learning Activities Outside of Classroom: Students are expected to carry out an intensive review after the class through practicing similar problems given as homework assignments.
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
計測とは対象に関するさまざまな量(物理量、化学量など)を、測定器を用いて数値に変換する行為であり、そのことによって個々の対象の間の関係を定量的に明らかにすることができる。計測についての概論としては、さまざまな(主として物理量)を数値化する原理とそれを具体化したセンサのメカニズムについて学ぶ応用物理的なアプローチもあるが、本講義ではセンサーによる信号変換によって得られた数値データの解析・解釈の方法の基礎的な事項を中心に学ぶ。
到達目標Goal
さまざまな量の計測方法に関する個々の知識よりも、得られた数値データの誤差解析、ならびに、多次元の計測データから対象の性質を説明する本質的な情報を抽出する方法、具体的には主成分分析による次元圧縮などの多変量データの解析法を身につけることを主たる目標とする。まずはセンサ・測定の概要、測定の数値表現法から始まり、測定に不可避な誤差については、誤差の要因、測定方法による誤差の伝搬などを学習し、さらには複数の測定値間の関係の定式化や複数センサからの情報統合法について理解する。また具体的な計測対象として画像パターンをとりあげ、画像データの取得と表現法、色情報の表現、3次元センシング技術などについても理解する。
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. )
毎回の講義内容のレジメもしくはパワーポイントのスライド抜粋の配布、ならびに、履修内容についての理解を深めるために宿題として課す課題の提出など、すべての情報の授受は「学習支援システム」Hoppiiを通じて行う予定です。
本科目の授業は基本的に教室における対面形式で行う予定ですが、授業で使用するパワーポイントのスライドや板書内容のレジメはHoppiiを介して事前(あるいは事後)に提供するので、新型コロナの感染状況が悪化した場合でも、講義の音声情報とパワーポイントによるスライド資料等の実況中継をZoomによるリモートで受講することによって、対面授業とほぼ同等の内容の情報を提供できる見込みです。
オンライン授業の方法や各回の授業計画の変更、成績評価方法の説明などについては、Hoppii上でその都度、情報を提示します。
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.)
なし / No
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。
(1)[対面/face to face]:ガイダンス、センシングとは
本講義でとりあげる内容、センサの役割、測定とは、基本単位と組立単位
(2)[対面/face to face]:測定値の表現法
測定値の次元と次元解析、測定値の数値表現と有効数字
(3)[対面/face to face]:測定値の統計的性質
測定値の分布の表現法、要約統計量、測定量の理論分布、母集団と標本
(4)[対面/face to face]:測定と誤差
測定の誤差、2種類の測定誤差、Gaussの誤差法則、誤差の表現法
(5)[対面/face to face]:誤差の伝搬
直接測定と間接測定、間接測定における測定値に要求される精度、誤差伝搬の法則
(6)[対面/face to face]:最小二乗原理に基づく重回帰分析
最小二乗の原理、線形重回帰式、重相関係数による重回帰式のあてはまりの評価
(7)[対面/face to face]:主成分分析の原理
センシングにおける主成分分析の位置づけ、2変量の場合の主成分分析、主成分が表現していること
(8)[対面/face to face]:主成分分析の役割
主成分分析による多次元データの次元圧縮、寄与率と累積寄与率による次元圧縮の評価
(9)[対面/face to face]:主成分分析の顔画像認識への応用
主成分分析による画像データの次元圧縮、顔画像サンプル集合の主成分分析による固有顔、固有顔による顔画像の符号化・復号化
(10)[対面/face to face]:画像パターンのセンシング
イメージセンサ、ディジタル画像取得によるサンプリング定理、動画像を表現するビデオ信号、ビデオ信号からディジタル動画像への変換
(11)[対面/face to face]:画像の色情報のセンシング
色とは、発色法と等色、色情報の表し方(RGB表色系、YCC表色系、マンセル表色系)
(12)[対面/face to face]:画像による3次元情報の取得
3次元画像センシングの目的と応用、人間による奥行き情報知覚とその工学的実現法、ステレオ法による距離計測の原理、Kinectによる距離画像の取得とその応用
(13)[対面/face to face]:人の感性に関する心理量の計測
感性情報を数量化する心理学的測定法、感覚量測定法の代表例(評定尺度法と一対比較法)、一対比較法におけるサーストンの比較判断の法則
(14)[対面/face to face]:全体のふりかえり
重要項目の復習
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】授業で指示された演習課題は必ず実施することで、授業で学んだ知識の定着をはかること。
テキスト(教科書)Textbooks
講義内容をまとめたプリントを学習支援システム Hoppii を用いて配布する。
参考書References
特に参照する参考書はない。
成績評価の方法と基準Grading criteria
成績評価は学期末の定期試験を主とする(70%)が、何回かの宿題として課する演習課題の提出状況とその結果も加味して(30%)、総合的に評価する。合否判定は、期末試験の得点と宿題の得点とを重み付け合算して、その60点以上を合格とする。合格者に対するS~Cの4段階評価は、原則として期末試験の得点に対する相対評価によって判定する。
オンラインでの開講となった場合、成績評価の方法と基準も変更する場合がある。その場合の具体的な方法と基準は、担当教員が学習支援システムで提示する。
学生の意見等からの気づきChanges following student comments
授業に対してより能動的な態度で受講してもらうために、引き続き、配布する資料は、要点を受講生が記入する穴埋め形式の資料とする。
学生が準備すべき機器他Equipment student needs to prepare
使用しない。
その他の重要事項Others
担当教員から、学習支援システムを通じた連絡がないか、日ごろから確認をよくするようにしてください。