• 東京大学 授業補助 精密工学基礎演習(知能ロボット入門)(精密工学科2年生向け演習)
  • 本演習では,4週間かけて,移動ロボットの制御やセンサ情報処理を勉強します.授業は演習形式で,週に1日3-5限で行われ,ペアを組んでロボットを動かします. 1週目は移動ロボットの運動学や移動ロボットについているセンサ(接触センサ)の情報だけを使って,ロボットを動かします. 2週目は画像センサや距離センサの扱いを学びます.具体的にはMicrosoft社から出ているKinectを使って,環境に存在する障害物やゴールなどを認識する方法を勉強します. 3週目からは移動ロボットを画像/距離センサに応じて動かします.4週目の最後にはコンテストが行われ,どれくらい移動ロボットをゴールに近づけたかを競います.

    実際の授業の様子は下記の動画を見てみてください.

  • 東京大学 授業補助 数理計画と最適化(精密工学科・システム創成学科3年生向け授業)
  • 数理計画と最適化では,定式化が難しい,現実的な計算時間で厳密解を求めることが難しい問題に対して,その解き方を学ぶとともに,実際にプログラミングを行ってアルゴリズムの実装を学ぶ授業です. 各回の授業ではまず座学にて解法を知り,次に演習で手を動かして実装を行うことで,様々な問題に対する解法を学べます.

    授業では,各回下記の内容に関して授業を行います.
    1. イントロダクション/欲張り法・けちけち法
    2. 分枝限定法
    3. ダイクストラ法
    4. 巡回型セールスマン問題
    5. ゲーム理論

  • 中央大学講義 ソフトコンピューティング
  • ソフトコンピューティングとは,数学的に厳密な定式化とその最適解導出という従来のアプローチでは扱えないような複雑な問題を解決するための手法の総称です. 本講義では,こうしたソフトコンピューティングの枠組みに含まれる学習や最適化の手法のうち,代表的なものを説明し,その考え方を学んでもらいます.

    授業では,各回下記の内容に関して授業を行います.
    1. イントロダクション
    2. 予備知識1(グラフ理論、命題論理)
    3. 予備知識2(アルゴリズム、計算量理論)
    4. 局所探索法(最急勾配法、滑降シンプレックス法)
    5. 局所探索法の改良(多出発局所探索法、仮想焼きなまし法)
    6. 進化的アルゴリズム1(遺伝的アルゴリズム)
    7. 進化的アルゴリズム2(遺伝的プログラミング、実数値GA、粒子群最適化)
    8. ファジィ理論
    9. 分枝限定法
    10. 最短経路問題(ダイクストラ法)
    11. ニューラルネットワーク1(パーセプトロン)
    12. ニューラルネットワーク2(誤差逆伝播法)
    13. 自己組織化マップ
    14. 強化学習