2015年度シラバス（熊本高等専門学校　熊本キャンパス）				科目コード	CI508
科目名	ソフトコンピューティング(Soft Computing)			単位数	2単位
対象学科	制御情報システム工学科	対象学年	5年	開講期間	通年
科目区分	専門応用科目	必修・選択	選択	履修/学修	学修
授業形式	講義	規定授業時数（単位時間）	60
教員名（所属）	松尾和典（制御情報システム工学科）		教員室	松尾教員室(5号棟5階)
使用教科書	岩田　彰，ソフトコンピューティング，オーム社
参考書	馬場規夫”ソフトコンピューティングの基礎と応用”共立出版田中　雅博”ソフトコンピューティング入門”科学技術出版
科目の位置付けと関連科目
科目の概要	ソフトコンピューティングの主要な方法論に関する基礎知識を身につけさせ，従来の工学的な手法との相違点を理解させる．脳の持つすぐれた情報処理能力の人工的な実現を目指し，パターン認識などに応用されるニューラルネットワーク，あいまいな知識を扱い，それに基づいた推論を行うファジィ理論，及び，生物の進化過程を模擬し、最適化問題を解く遺伝的なアルゴリズムを中心に講義する．また，各種法の応用例も概説する．
授業方針	・ソフトコンピューティングの基本的な考え方を理解する．・ソフトコンピューティングの主要な方法論の数学的表現とその演算について理解する．・ソフトコンピューティングの応用について理解する．

授業項目	時数	達成目標（習得すべき内容）
ガイダンス，ソフトコンピューティングの歴史	2	ソフトコンピューティングに内包されるやわらかい情報処理やあいまい工学，感性工学などの新たな問題解決手法が提案された理由とそれらの従来の工学的な問題解決手法との相違点を理解できる．
ソフトコンピューティングの考え方	4	知識をどのように処理するのかという点について，人間とコンピュータにおける実現方法を考え，理解できる．
ニューロコンピューティングの概要	4	脳がどのように情報を処理しているかを考え，最小単位である神経細胞のモデルに関して，数学的表現と演算を理解できる．
ニューロコンピューティングと学習アルゴリズム	8	脳の学習機能を人工ニューラルネットワークモデルの学習アルゴリズムとして模倣できることを理解できる．
ファジィ理論の基礎	6	境界が曖昧な集合について理解，数式によるあいまいさの表現とその演算ができる．
ファジィ制御の基礎	6	ファジィルールによる自動制御が理解できる．
ニューロコンピューティングとファジィ理論	6	ファジィ推論とニューラルネットワークの学習機能を融合させることの利点を理解できる．
遺伝的アルゴリズム	12	生物の進化を模倣したモデルとそのアルゴリズムを理解できる．遺伝的アルゴリズムによる環境適応戦略を最適化問題に適用することが理解できる．
ソフトコンピューティングの応用	12	各方法論の応用例が理解できる．

ルーブリック
評価項目	理想的な到達レベルの目安	標準的な到達レベルの目安	未到達レベルの目安
ソフトコンピューティングの概要	ソフトコンピューティングに内包されるやわらかい情報処理やあいまい工学，感性工学などの新たな問題解決手法が提案された理由を理解し，従来の工学的な問題解決手法との相違点を説明できる．また，知識の処理について理解して説明できる．	ソフトコンピューティングに内包されるやわらかい情報処理やあいまい工学，感性工学などの新たな問題解決手法が提案された理由を理解できる．従来の工学的な問題解決手法との相違点を説明できる．	ソフトコンピューティングに内包されるやわらかい情報処理やあいまい工学，感性工学などの新たな問題解決手法が提案された理由を理解できない．
ニューロコンピューティング	脳がどのように情報を処理しているかを考え，最小単位である神経細胞のモデルに関して，数学的表現と演算を理解して説明できる．脳の学習機能を人工ニューラルネットワークモデルの学習アルゴリズムとして模倣できることを理解して，計算機を用いて問題に適用できる．	脳がどのように情報を処理しているかを考え，最小単位である神経細胞のモデルに関して，数学的表現と演算を理解できる．脳の学習機能を人工ニューラルネットワークモデルの学習アルゴリズムとして模倣できることを理解して，計算機を用いて確かめることができる．	脳がどのように情報を処理しているかを考え，最小単位である神経細胞のモデルに関して，数学的表現と演算を理解できない．人工ニューラルネットワークモデルの学習アルゴリズムを理解できない．
ファジィ理論とファジィ制御	境界が曖昧な集合について理解して数式によるあいまいさの表現とその演算が正確にできる．また，ファジィルールによる自動制御が理解できる．	境界が曖昧な集合について理解して数式によるあいまいさの表現とその演算ができる．また，ファジィルールによる自動制御が理解できる．	境界が曖昧な集合について理解して数式によるあいまいさの表現とその演算ができない．また，ファジィルールによる自動制御が理解できない．
遺伝的アルゴリズム	生物の進化を模倣したモデルとそのアルゴリズムを理解して説明できる．遺伝的アルゴリズムによる環境適応戦略を最適化問題に適用して計算機で問題解決することができる．	生物の進化を模倣したモデルとそのアルゴリズムを理解できる．遺伝的アルゴリズムによる環境適応戦略を最適化問題に適用することで問題解決できることを理解し，説明できる．	生物の進化を模倣したモデルとそのアルゴリズムを理解できない．遺伝的アルゴリズムによる環境適応戦略を最適化問題に適用することで問題解決できることを理解できない．

評価方法及び総合評価	筆記試験．演習課題，レポート課題により総合的に評価する．総合評価以外については，その時点で評価可能な項目を総合評価に準じた割合で評価する．【総合評価】中間試験・期末試験などの筆記試験（60%），レポート課題（40%）とする．60%以上の得点率で目標達成とみなす．レポートの提出期限は課題提示と同時に示し，期限に遅れて提出されたレポートの評価点は0点とする．
学習方法	講義内容はニューロコンピューティング，ファジィ理論および遺伝的アルゴリズムを中心に解説するが適宜関連技術や各方法論の演習課題も行うので，プログラミングおよび微分積分・集合論などを基礎知識として必要とするので予習して受講すること．
学生へのメッセージ	各方法論において，その数式表現と演算に触れながら，生物や自然界の仕組みに学ぶソフトコンピューティングの面白さを実感してほしい．
学修単位への対応	本科目では，90分の授業に対して90分程度に相当する放課後・家庭での自学学習，およびレポート課題を課す．

本校教育目標との対応

(3)

JABEE学習教育目標との対応

D-1