授業概要
|
|
本授業では,脳波や音波,動画像といった信号データの解析に必要になる時系列解析のための以下の基本的な技術を学んでいきます (1)時間-周波数解析(フーリエ解析,ウェーブレット解析) (2)自己回帰モデル(AR, ARMA, ARIMAモデルおよびその多次元への拡張) (3)時系列データのパターン認識 上記技術を学ぶにあたり,計算機による演習も交え,理論の理解とその実践を行っていきます.
|
In this class, we study the basic of time-series analysis (e.g. time-frequency analysis, auto-regression model, stochastic process) and its computational application.
|
|
|
キーワード
|
|
時系列解析,センシング,時間周波数解析,自己回帰モデル,パターン認識
|
|
|
授業形態 (項目)
|
|
|
|
授業形態 (内容)
|
|
|
|
使用する教材等
|
|
|
|
履修条件等
|
|
特に無いが,数理統計学,設計多変量解析を履修していることが望ましい.
|
|
|
履修に必要な知識・能力
|
|
特に無いが,時系列解析の技術に関心があることが望ましい.
|
|
|
到達目標
|
|
| |
No
|
観点
|
詳細
|
|
1.
|
A:知識・理解
|
本授業では,脳波や音波,動画像といった信号データの解析に必要になる時系列解析のための時間周波数解析,自己回帰モデル,時系列データのパターン認識といった技術の理論を身につけ,同時に解析手法を身につけることを目的とする.
|
|
2.
|
B:専門的技能
|
|
|
3.
|
C:汎用的技能
|
|
|
4.
|
D:態度・志向性
|
|
|
|
|
授業計画
|
|
| |
No
|
進度・内容・行動目標
|
講義
|
演習・その他
|
授業時間外学習
|
|
1.
|
本授業では, (1)時間-周波数解析 ・フーリエ解析 ・ウェーブレット解析 (2)自己回帰モデル ・ARモデル ・ARMAモデル ・ARIMAモデル ・上記モデルの多次元への拡張 (3)時系列データのパターン認識 ・隠れマルコフモデルなど について取り扱う
|
|
|
|
|
|
|
授業以外での学習にあたって
|
|
|
|
テキスト
|
|
|
|
参考書
|
|
|
|
授業資料
|
|
|
|
成績評価
|
|
|
|
成績評価基準に関わる補足事項
|
|
|
|
ルーブリック
|
|
|
|
学習相談
|
|
授業終了後,あるいは教員室(2号館2階)にて適時相談を受ける。
|
|
|
添付ファイル
|
|
|
|
授業担当者の実務経験有無
|
|
|
|
授業担当者の実務経験内容
|
|
|
|
その他
|
|
|
|
更新日付
|
|
2016-03-31 15:46:49.407
|