Japanese / English

1M987600

確率・統計的推定システム特論

Probabilistic and Statistical Estimation System

開講部

大学院理工学研究科 修士課程

開講学科

電気電子情報工学専攻

開講学年

1年次

開講時期

後期

単位数

2

単位区分

特修

系列区分

特論

講義区分

講義
准教授佐々木毅この授業の2013年度のアンケートを参照

授業の概要

ロボットを始めとする知的システムでは、多くの場合センサにより取得した情報に基づいて自身の行動を決定する。しかしながら、センサデータにはノイズが含まれており、得られたデータから最適な推定量を求める必要が生じる。そのため、確率や統計的な枠組みを用いた推定手法が広く用いられるようになっている。本科目では、統計的信号処理や推定論を中心として各推定手法の理論的な基礎について講義を行う。また、これらについての理解を深めるため、移動ロボットの位置推定や地図構築などの具体的なアプリケーションを紹介する。

達成目標

1.各推定手法の関係を説明できるようになる
2.各推定手法の特徴を説明できるようになる
3.各推定手法を用いて問題を解くことができるようになる

授業計画


【授業計画】【授業時間外課題(予習および復習を含む)】
1.推定理論の概要 推定手法にはどのようなものがあるのかついての調査
2.Cramer-Raoの下界 Cramer-Raoの下界についての調査
3.最尤推定 最尤推定についての調査
4.最小二乗法 最小二乗法についての調査
5.アプリケーション(1): 曲線当てはめ 最尤推定と最小二乗法の復習、曲線当てはめについての調査
6.MMSE(最小二乗平均誤差)推定 MMSE推定についての調査
7.MAP(最大事後確率)推定 MAP推定についての調査
8.LMMSE(線形最小二乗平均誤差)推定 LMMSE推定についての調査
9.カルマンフィルタ(1) 動的信号モデル ガウス-マルコフ過程についての調査
10.カルマンフィルタ(2) カルマンフィルタの導出 カルマンフィルタについての調査
11.拡張カルマンフィルタ 拡張カルマンフィルタについての調査
12.アプリケーション(2): センサネットワークにおけるセンサフュージョン センサフュージョンについての調査
13.アプリケーション(3): 移動ロボットの自己位置推定I - カルマンフィルタを用いる方法 カルマンフィルタの復習、移動ロボットの自己位置推定手法についての調査
14.アプリケーション(3): 移動ロボットの自己位置推定II - MCL (Monte Carlo Localization) パーティクルフィルタについての調査
15.アプリケーション(4): SLAM(Simultaneous Localization And Mapping) SLAMアルゴリズムについての調査

評価方法と基準

レポート課題(100%)

教科書・参考書

文献は講義中に紹介する

履修登録前の準備

線形代数学、微分積分学、統計学、確率論の知識を有していること

オフィスアワー、質問・相談の方法

質問は電子メールにて随時受け付ける

環境との関連

環境に関連しない科目

地域志向

地域志向ではない科目

社会的・職業的自立力の育成

知識活用力を育成する科目

アクティブ・ラーニング科目

該当しない

最終更新 : Thu Jun 09 08:10:54 JST 2016