人工知能続論 講義内容
Lecture Note
[受講者の理解度に関する調査] 各項目の最後に
ついている(○: 29, △: 41, ×:7, ave: 2.3)
のようなリストは，各項目に関する受講者の理解度のアンケート調査の結果である．
このアンケートは毎回の講義で記憶が新鮮なうちに教室でとっている．アンケー
トにはコメント記入欄があり，その一部はFAQにフィー
ドバックされている．
○は「よく分かった」，△は「だいたい分かった」，×は「よく分からない」
の意味で，コロンの後ろの数字はそれに対応する受講者数である．また，"ave"
は○を3点，△を2点，×を1点とした場合のクラス全体の平均点である．
講義内容，講義方法，受講者の予習復習を含めて，ave の値が2点以上にな
るよう(教員も含めて)全員で努力することが望ましいと思う．
(Lecture #1) イントロダクション (Introduction)
- このパートの目的 (Objectives)
- (Lecture #1 )記号論理的な考え方について(Logical Approach)
- 目的 (objectives)
(○: ，△: ，×: , ave: )
(19年度：2.63，18年度：2.88)
- 論理学の発展の歴史 (history)
- 応用 (application)
(○: ，△: ，×: , ave: )
(19年度：2.32，18年度：2.64)
- 構成 (schema)
(○: ，△: ，×: , ave: )
(19年度：2.28，18年度：2.74)
- 意味領域 (domain)
(18年度：2.74)
- 論理式の解釈 (interpretation)
(18年度：2.79)
- 正しい推論 (inference)
- (Lecture #2,3,4) 命題論理の形式的体系 -統語論と意味論- (Syntax and Semantics)
- 形式的体系 (Syntax)
(○: ，△: ，×: , ave: )
(19年度：2.91，18年度：2.91)
- 命題論理式の真偽 (Truth Value)
(○: ，△: ，×: , ave: )
(19年度：2.87，18年度：2.91)
- 恒真性と充足可能性 (Validity
(○: ，△: ，×: , ave: )
and Satisfiability)
(19年度：2.53，18年度：2.67)
- 論理的帰結 (Logical Consequence)
(○: ，△: ，×: , ave: )
(19年度：2.65，18年度：2.68)
- 標準形 (Normal Form)
(○: ，△: ，×: , ave: )
(19年度：2.68，18年度：2.76)
- 融合原理 (Resolution Principle)
(○: ，△: ，×: , ave: )
(19年度：2.67，18年度：2.63)
- 表現力の限界
(limitation)
(○: ，△: ，×: , ave: )
(19年度：2.71，18年度：2.81)
Part2: 一階述語論理 (First-Order Predicate Logic)
- このパートの目的 (Objectives)
- (Lecture #4,5,6,7) 一階述語論理の体系 -統語論と意味論- (Syntax and Semantics)
- 統語論
(○: ，△: ，×: , ave: )
(19年度：2.28，18年度：2.52)
- 意味論
(○: ，△: ，×: , ave: )
(19年度：2.60，18年度：2.29)
- 融合原理 (Resolution Principle)
- 冠頭標準形 (Prenex Normal Form)
(○: ，△: ，×: , ave: )
(19年度：2.52，18年度：2.68)
- Skolem 標準形 (Skolem Normal Form)
(○: ，△: ，×: , ave: )
(19年度：2.78，18年度：2.69)
- 節集合 (Set of Clause)
(○: ，△: ，×: , ave: )
(19年度：2.73，18年度：2.64)
- 融合原理の概要 (Resolution)
- 代入 (Substitution)
(○: ，△: ，×: , ave: )
(19年度：2.62，18年度：2.57)
- 単一化 (Unification)
(○: ，△: ，×: , ave: )
(19年度：2.71，18年度：2.38)
- 融合節の生成 (Resolvent)
(○: ，△: ，×: , ave: )
(19年度：2.57，18年度：2.22)
- 空節の導出 (反駁) (Refutation)
(○: ，△: ，×: , ave: )
(19年度：2.67，18年度：2.51)
- このパートの目的 (Objectives)
- (Lecture #9) 不確実な知識の取扱い (Dealing with Uncertatin Knowledge)
(○: ，△: ，×: , ave: )
(19年度：2.85，18年度：2.36)
- (Lecture #9,10) 確率推論とベイズネットワーク (Probabilistic Inference and Baysian
Net)
- 確率の基本記法
(○: ，△: ，×: , ave: )
(19年度：2.75，18年度：2.81)
- 事前確率 (Prior Probability)
- 条件付き確率 (Conditional Probability)
- 確率論の公理 (Axiom of Probability Theory)
- ベイズの規則 (Bayesian)
- ベイジアンネットワーク
- 応用
- 基本的な考え方
(○: ，△: ，×: , ave: )
(19年度：2.50，18年度：2.61)
- 独立性仮説
(○: ，△: ，×: , ave: )
(19年度：2.34, 18年度：2.55)
- 独立性仮説を用いた確率計算
(○: ，△: ，×: , ave: )
(19年度：2.65, 18年度: 2.14)
- 事例
(○: ，△: ，×: , ave: )
(19年度：2.50, 18年度：2.55)
- このパートの目的 (Objectives)
- 学習の特徴付け (Aspects)
(○: ，△: ，×: , ave: )
(19年度：2.80, 18年度：2.67)
- (Lecture #11,12) 決定木学習 (Decision Tree Learning)
- 決定木
(○: ，△: ，×: , ave: )
(19年度：2.83, 18年度：2.63)
- 決定木の良さ
(○: ，△: ，×: , ave: )
(19年度：2.77, 18年度：2.53)
- 情報理論の利用
(○: ，△: ，×: , ave: )
(19年度：2.55, 18年度：2.64)
- エントロピーのゲイン
(○: ，△: ，×: , ave: )
(19年度：2.71, 18年度：2.59)
- 決定木学習アルゴリズム （ID3）
(○: ，△: ，×: , ave: )
(19年度：2.63, 18年度：2.40)
- (Lecture #13) 強化学習 (Reinforcement Learning)
- 強化学習の考え方
(18年度：2.65，17年度: 2.55)
- マルコフ意志決定過程 (Markov
Decision Process MDP)
(○: ，△: ，×: , ave: )
(19年度：2.68, 18年度：2.50)
- Q学習
(○: ，△: ，×: , ave: )
(19年度：2.53, 18年度：2.53)
...Return