2016年度 シラバス学部

アプリケーション関連科目

2017/01/30  現在

科目一覧へ戻る
開講学期
/Semester
2016年度/Academic Year  3学期 /Third Quarter
対象学年
/Course for;
3年
単位数
/Credits
3.0
責任者
/Coordinator
趙 強福
担当教員名
/Instructor
趙 強福 , 愼 重弼 , イエン ニール ユーウェン
推奨トラック
/Recommended track
VH,RC
履修規程上の先修条件
/Prerequisites
M7 & F8

更新日/Last updated on 2016/01/27
授業の概要
/Course outline
人工知能は知的思考や行動を計算機械(Computing machine)で実現する方法を考察する学問である。人工知能の最終目的は、自律的に学習し、自律的に計画を立て、自律的に与えられた問題を解決することができる計算機械を作ることである。人工知能の歴史は既に半世紀以上経っているが、総合的に考えれば、人間並みの知能を持つ計算機械はまだない。しかし、さまざまな分野において、人工知能の成功例は数多く挙げられる。場合によって、人間よりも計算機械のほうは知能が高いともいえる。よく知られている例は、チェスの世界チャンピオンを破ったDeep Blueというシステムである。医療診断や機械設計などにおいても、人間をサポートする「専門家システム」が広く使用されている。即ち、総合的には人間の知恵に匹敵できる人工システムがまだ存在しないが、個別領域では人間よりも「賢い」システムが既に開発されている。このようなシステムと組むことによって人間は「より知的」(より知恵があるようになったかどうかはわからないが)になっていることは否定できない事実であろう。

人工知能の主な研究テーマをあげると、問題解決、推論、計画立案、自然言語理解、コンピュータビジョン、自動プログラミング、機械学習、などがある。これらのテーマは互いに独立ではない。例えば、機械学習によって獲得した知識を問題解決にも使えるし、推論にも使える。問題解決の方法自体も学習によって得られるかも知れない。また、有効な問題解決方法は、推論の過程にも使えるし、計画立案にも有用である。更に、言語の理解とコンピュータビジョンはパターン認識の領域で考えれば、同じ種の問題であり、データの表現方法だけが違う。
授業の目的と到達目標
/Objectives and attainment
goals
この授業でわれわれは、人工知能を理解するために必要最小限の知識を習得する。具体的には、以下の内容を勉強する:

(1)探索:問題表現、探索;
(2)知識表現:プロダクションシステム、意味ネット、フレーム;
(3)推論:命題論理、述語論理、自動推論、ファジィ論理;
(4)学習:パターン認識、ニューラルネット。

この授業が終わったら、学生の皆さんが以下のようになってほしい:

(1)よく知られている探索方法が使える;
(2)問題や知識の基本的表現方法をわかる;
(3)命題論理や述語論理を用いた自動証明の基本的考え方をわかる;
(4)ファジィ論理、パターン認識、ニューラルネットの基礎知識を知る。

この授業をきっかけに人工知能に興味を感じ、さらに勉強したい方は、大学院に進学することを勧める。
授業スケジュール
/Class schedule
(1)  人工知能の概要
- 人工知能とは?
- 関連研究領域
- 人工知能の歴史
- 歴史的人物

(2)  問題の定式化
- 状態空間表現
- ツリー構造とグラフ構造の復習
- 探索グラフ
- 探索ツリー

(3) 探索その1
- ランダム探索
- クローズリスト
- オーペンリスト
- 深さ優先探索
- 幅優先探索
- 均一コスト探索

(4)  探索その2
- ヒュリスティックとは?
- 山登り探索
- A*アルゴリズム
- ゲームツリー探索

(5)  プロダクションシステム
- プロダクションシステムとは?
- 推論エンジン、ワーキングメモリ、知識ベース
- パターン照合
- 衝突解消
- 前向き推論
- 後ろ向き推論

(6)  オントロジー
- オントロジーとは?
- 意味ネット
- フレーム
- 構造的知識
- 宣言的知識
- 手続き的知識
- 継承

(7) 中間試験

(8) 命題論理
- 命題論理とは?
- 論理式の定義
- 論理式の意味
- 論理式の種類
- 真理値表による証明
- 基本的法則
- 節形式
- 形式的証明

(9)  述語論理
- 述語論理とは?
- 項と論理式
- 節形式
- 論理式の標準化
- 単一化と導出
- ホーン節とSNL導出
- Prolog

(10)  ファジィ論理
- ファジィ論理の定義
- メンバーシップ関数
- ファジィ集合の表記法
- ファジィ集合の演算
- ファジィ数とその演算
- 拡張原理
- ファジィルール
- 非ファジィ化
- ファジィ制御

(11) 他の推論方法
- 演繹推論と帰納推論
- アブダクション
- 仮説推論
- 不確実性推論
- 確率推論
- ベージャンネット
- 事例ベース推論

(12) パターン認識
- パターン認識とは?
- 特徴ベクトル
- テンプレートマッチング
- 線型識別関数
- マルチテンプレートマッチング
- 最近傍識別器とk-NN
- k-平均法
- 学習結果の評価

(13) 階層型ニューラルネット
- ニューラルネットとは?
- ニューロンのモデル
- ニューロンの学習則
- 階層型ニューラルネット
- 階層型ニューラルネットの学習

(14) 自己組織ニューラルネット
- 最近傍識別器
- 自己組織ニューラルネット
- Winner-take-all学習則
- 学習ベクトル量子化
- R4-rule

(15) 復習
教科書
/Textbook(s)
新世代工学シリーズ、人工知能、溝口 理一郎、石田亨、オーム社、ISBN4-274-13200-5
成績評価の方法・基準
/Grading method/criteria
演習(36点)、クイズ(12点)、試験(52点)
履修上の留意点
/Note for course registration
確率統計学、オートマトンと言語理論

履修規程上の先修条件:M7 確率統計学
F8 オートマトンと言語理論
参考(授業ホームページ、図書など)
/Reference (course
website, literature, etc.)
[1] 人工知能概論、荒屋 真二著、共立出版、ISBN4-320-12116-3
[2] 新しい人工知能(基礎編)、前田 隆、青木 文夫共著、オーム社、ISBN4-274-13179
[3] 新しい人工知能(発展編)、前田 隆、青木 文夫共著、オーム社、ISBN4-274-13198-X
[4] Artificial Intelligence: a modern approach, S. Russell and P. Norvig, Prentice Hall, ISBN0-13-080302-2
[5] この授業のホームページ:http://web-ext.u-aizu.ac.jp/~qf-zhao/TEACHING/AI/AI.html


科目一覧へ戻る
開講学期
/Semester
2016年度/Academic Year  4学期 /Fourth Quarter
対象学年
/Course for;
3年
単位数
/Credits
3.0
責任者
/Coordinator
ピエール-アラン ファヨール
担当教員名
/Instructor
ピエール-アラン ファヨール , 朱 欣 , 西舘 陽平 , 矢口 勇一 , 髙橋 成雄
推奨トラック
/Recommended track
CM,VH,BM,
履修規程上の先修条件
/Prerequisites

更新日/Last updated on 2016/09/08
授業の概要
/Course outline
本授業はコンピュータと情報技術の重要な応用であるコンピュータグラフィックスについて学習する。コンピュータグラフィックスは人間の目で見た物体をコンピュータで立体的画像を作成する技術であり、下記の分野で応用されている。
* CAD (Computer-aided design):機械設計、建築設計、回路設計など。
* Computer art: コンピュータ芸術、コマーシャルなど。
* 娯楽: 映画制作、アニメ、ゲームなど。
* バーチャルリアリティ:フライトシミュレーション、手術支援など。
* 可視化:ゲノム構造、人体モデルなど 。
授業の目的と到達目標
/Objectives and attainment
goals
本授業はコンピュータグラフィックスについて、基礎理論と実践力の両方を身に付けること。
授業スケジュール
/Class schedule
CGの基本概念, 準備; OpenGL入門
3Dビューイングの基本原理, 隠面消去
モデル・ビュー変換, 幾何学的変換, 投影変換
カラーとLightモデル, シェーディングモデル
テクスチャマッピング
フォグ, blending
アニメーション
レイトレーシング
形状モデリング (自由曲線,曲面,境界表現,ソリッドモデル)
GPU プログラミング
教科書
/Textbook(s)
(optional)
コンピュータグラフィックス
成績評価の方法・基準
/Grading method/criteria
- 演習とプロジェクト(レポートを含む): 45%
- ペーパーテスト: 55%
参考(授業ホームページ、図書など)
/Reference (course
website, literature, etc.)
2015 course page
OpenGL


科目一覧へ戻る
開講学期
/Semester
2016年度/Academic Year  2学期 /Second Quarter
対象学年
/Course for;
4年
単位数
/Credits
3.0
責任者
/Coordinator
矢口 勇一
担当教員名
/Instructor
成瀬 継太郎 , 矢口 勇一
推奨トラック
/Recommended track
VH,BM
履修規程上の先修条件
/Prerequisites
A8

更新日/Last updated on 2016/02/01
授業の概要
/Course outline
『百聞は一見に如かず』ということわざが示す通り、画像は日常生活におけるコミュニケーションや知識の蓄積に置いて非常に重要な役割を果たしている。特に近年では、ほぼ100%に近いモバイルデバイスにカメラが搭載されるなど、全ての人間が気軽に画像を撮り、扱うことが出来るようになった。また、Web等を介して、様々な画像を見ることが出来るようになり、コンピュータによって自動的に画像の認識と理解を行う事が重要なビジネスの対象となっている。画像処理は、カメラ等によって撮られた画像を如何に加工し、その情報を基に目的の認識・理解を得られるかを行う技術である。授業では、画像の入力装置を経て、コンピュータへの転送のためのデータ圧縮、ノイズや撮影環境を合わせるための種々の加工技術、画像特徴を得るためのフィルタリング技術、得られた特徴から事前知識や学習等を用いての認識・理解までを、基本的な画像処理の手法を紹介しながら、『どのように画像から知見を得るか?』を議論し、画像処理に対する理解を深めていく。
授業の目的と到達目標
/Objectives and attainment
goals
本授業では、デジタル画像処理に関する基本的な部分であるLow-Level Visionの部分を中心に学ぶ。Low-Level Visionとは、画像の入出力をはじめ、画像の見栄えの変化や特徴抽出を行うための加工法、画像圧縮等の、直接画像を加工する部分を含む。講義ではこれらの基礎的な手法について学ぶことと、命題に対するケーススタディを議論する事で応用するためのノウハウを学習する。演習では講義で学んだ基礎的な手法を実際に適用し、問題演習を通じて応用力を鍛える。最終的に、Term Projectで与えられる応用問題を解く事で、一連の画像処理の課題を認識し、画像処理アプリケーションを作成出来る事を到達目標とする。
授業スケジュール
/Class schedule
全15講。
0 Course Instruction
1 Course Instruction
1 Image Acquisition and Sampling
1 Physical Definition
2 Principle of Camera
3 Definition of Digital Image
4 Resampling and Aliacing
2 Statistical Expression
1 Counting, Histogram and Accumulated Histogram
2 Mean, Mode, Median
3 Diviation, Skewness, Curtsis, Momemt
4 Resion of Interest, Windowing
3 Image Enhancement
1 Grobal Operation - Negation, Log Transform, Gamma Transform
2 Grobal Binalization - Basic Grobal Thresholding, Otsu Thresholding
3 Local Enhancement - Adaptive Local Enhancement
4 Local Binalization - Adaptive Local Thresholding
4 Spatial Filtering
1 Principle of Spatial Filtering - Mean Filter
2 Denoising Filter - Gaussian Filter, Median Filter
3 Enhansing Filter - Laplasian Filter, Unsharp Mask
4 Border Effect
5 Low-level Feature
1 Human Vision and Brain
2 Point, Line, Area
3 Gradient, Edge - Sobel, Prewitt
4 Region, and Connectivity
6 Spatial Feature
1 Hough Transform
2 Morphological Analysis
3 Opening/Closing
4 Canny Edge
7 Complex Feature
1 Histogram of Orientation Gradients
2 Pyramidal Image
3 Scale Invaliant Feature Tracker
4 Speeded Up Robust Features
8 Color Image
1 Physical Definition of Color
2 RGB/CMYK Color Model
3 HSV Color Model
4 CIE XYZ/L*a*b* Color Model
9 Imaging Devices
1 CCD/CMOS Camera Definition
2 YUV/YCrCb Color Model
3 Color Printer Definition
4 Disering
10 Frequency Filtering
1 2D Fourier Transform
2 Low-Pass Filter
3 High-Pass/Band Pass Filter
4
11 Image Composition
1 DCT - Hadamard Transform
2 Sparse Coding
3 Fractal Coding
4
12 Image Complession
1 Codebook
2 JPEG
3 GIF
4 PNG
13 Image Restortion
1 Median/Partial Mean Filter
2 Weiner Decmposition
3 Super Resolution
4 Basic Image Stitching
14 Wavelet Image
1 Definition of Wavelet
2 Haar Wavelet
3 Daubecies Wavelet
4 Continuous Wavelet - Mexican Hat
15 Pattern Matching
1 Block Matching
2 Correlation Matching
3 Phase Only Matching
4 Dynamic Programming Matching
教科書
/Textbook(s)
Web ページよりハンドアウトを参照
http://iplab.u-aizu.ac.jp/moodle/
Image Processing 2015
<<本年より、映像や資料を予習してくることを必須とする>>

参考図書: 購入義務は無いが、購入する事を勧める
- Rafael C. Gonzalez, Richard E. Woods: "Digital Image Processing: third edition" (Pearson
Education, 2008)
- CG-ARTS 協会: "ディジタル画像処理" (CG-ARTS 協会, 2004)
成績評価の方法・基準
/Grading method/criteria
全 7 回の演習提出とExtra Projectによって採点する。
中間・期末は実施しない。
但し、講義への出席は点数に加味されないが、5 回以上欠席の場合は F とする。
なお、出席は、授業中に配られる課題を提出することで出席とみなす。(課題の点数は成績に加味しないが、理解度を図る良い材料となる。)
演習提出: 1 回 10 点満点 x 7 = 70 点
Extra Project: 最大 50 点
100 点を超えた場合は成績は 100 とする。
演習の初回提出が期限内に出せない場合は各回で -4 点とする。
(0 点を下回る場合はその回の点数を 0 点とする)
参考(授業ホームページ、図書など)
/Reference (course
website, literature, etc.)
画像処理学講座 Moodle
http://iplab.u-aizu.ac.jp/moodle/


科目一覧へ戻る
開講学期
/Semester
2016年度/Academic Year  1学期 /First Quarter
対象学年
/Course for;
4年
単位数
/Credits
3.0
責任者
/Coordinator
陳 文西
担当教員名
/Instructor
陳 文西 , 朱 欣
推奨トラック
/Recommended track
BM
履修規程上の先修条件
/Prerequisites
A8 & F11

更新日/Last updated on 2016/01/25
授業の概要
/Course outline
本コースでは、生命現象を解明するための情報技術(バイオインフォマティクス)、生体情報を計測するための技術と生体疾患を治療するための技術、医用画像処理技術などについて学ぶ。いずれも、学部レベルにおける幅広い学習を想定している。また、座学による理論の勉強とともに、情報処理とデータ解析、血圧と心電図の測定等の実践的な演習も行う。最後に、外部専門家による特別講義を企画し、バイオメディカル情報工学領域の最新動向を紹介する。
In this course, bioinformatics, biomedical instrumentation and measurement technology, and medical image processing technology will be taught. This course aims to provide interdisciplinary knowledge for undergraduate students. In addition, sequence analysis of bioinformatics, measurement of ECG and blood pressure are also included in this course as exercise. Finally, an external expert will be invited to give a special lecture to introduce the latest developments of Biomedical Information Technology field.
授業の目的と到達目標
/Objectives and attainment
goals
情報技術をバイオメディカル領域に応用するための入門的コースである。
This is an introductory course about the application of information technology in biomedical engineering field.
授業スケジュール
/Class schedule
1 バイオインフォマティクス入門Introduction to bioinformatics (Zhu)
1.1 バイオインフォマティクス総論Brief introduction to bioinformatics
1.2 塩基・タンパク質配列・ペアアラインメントアルゴリズムNucleotide, amino-acid sequence and pairwise alignment
1.3 データベース検索・配列マルチラインメント・隠れマルコフモデルHidden Markov model, motif search, and protein structural prediction
1.4 Open Reading Frame検索・モチーフ検索・進化系統樹・タンパク質立体構造予測Open Reading Frame search, database search, multiple alignment and phylogenetic tree
1.5 医療情報学入門Introduction to Medical Informatics
1.6 医療ビッグデータ・プレシジョン・メディシンBig data in Medicine and Precision Medicine
1.7 小テストMini Test
2 生体情報技術入門 Introduction to Biomedical Information Technology (Chen)
2.1 生体情報の基礎 (Basis of Biomedical Information)
2.2 生体情報計測技術 (Detection of Biomedical Information)
2.2.1 血圧と心電 Blood Pressure and Electrocardiogram
2.2.2 体温と血中酸素飽和度 Body Temperature and SpO2
2.3 医用画像技術 (Medical Imaging)
2.3.1 内視鏡Endoscope, 眼底カメラFundus Camera, 超音波画像Ultrasound Imaging, サーモグラフィThermography
2.3.2 コンピュータ断層撮影法Computed Tomography (CT), 磁気共鳴映像法Magnetic Resonance Imaging (MRI), 陽電子放出断層撮影法Positron Emission Tomography (PET), 単光子放射断層撮影Single Photon Emission Computed Tomography (SPECT)
2.4 治療技術 (Therapy Technologies)
2.4.1 自動体外式除細動器Automated External Defibrillator (AED), ペースメーカーPacemaker, 人工臓器Artificial Organs
2.4.2 体外衝撃波結石破砕装置Extracorporeal Shockwave Lithotripsy (ESWL), MRIガイド集束超音波手術MRI-guided Focused Ultrasound Surgery (MRIgFUS), ガンマ―ナイフGamma Knife
3 外部講師による特別講義 Special lecture by an external export
3.1 バイオメディカル情報工学の最新動向(The latest developments of Biomedical Information Technology)
教科書
/Textbook(s)
・藤博幸、はじめてのバイオインフォマティクス
・岡田 正彦、医療機器が一番わかる
成績評価の方法・基準
/Grading method/criteria
ペーパーテストと実験レポート 60点満点
演習(週単位の演習、プロジェクト演習) 40点満点
履修上の留意点
/Note for course registration
アルゴリズムとデータ構造
信号処理と画像処理
参考(授業ホームページ、図書など)
/Reference (course
website, literature, etc.)
http://web-ext.u-aizu.ac.jp/course/bmclass/


科目一覧へ戻る
開講学期
/Semester
2016年度/Academic Year  2学期 /Second Quarter
対象学年
/Course for;
4年
単位数
/Credits
3.0
責任者
/Coordinator
成瀬 継太郎
担当教員名
/Instructor
浅田 智朗 , 成瀬 継太郎
推奨トラック
/Recommended track
RC
履修規程上の先修条件
/Prerequisites
L5 & A1 & A7

更新日/Last updated on 2016/02/02
授業の概要
/Course outline
現代社会ではコンピュータは様々な機器の制御に広く用いられ、制御などの知識が必要不可欠となっている。本科目ではコンピュータ科学・工学専攻の学生のための、ロボット工学と自動制御理論の基礎を与えるものである。とくに実世界において制御理論の中心であるフィードバック制御の概念を学ぶことと、ロボットを制御するための基本的な理論と考え方を習得することに主眼を置く。また講義だけではなく、演習を通じてより深い理解を目指す。
授業の目的と到達目標
/Objectives and attainment
goals
ロボット工学に関しては、ロボットの運動を表現するための数学的な手法である運動学とプランニング手法を学ぶ。そして学生は
(1) コンフィグレーション空間と運動方程式を学ぶことにより、ロボットの運動をコンピュータ内で表現できるようになる。
(2) 人工ポテンシャル法、ロードマップ法、セル分解法などのプランニング手法を学ぶことにより、ロボットの動作計画ができるようになる。
一方、自動制御理論に関しては基本的な考え方であるフィードバック制御を学ぶ。そして学生は
(1) 伝達関数、ブロック線図などを学ぶことにより、簡単なフィードバック制御を実現できるようになる。
(2) 時間遅れ要素と定常誤差を学ぶことにより、制御系の安定性を解析できるようになる。
(3) 与えられたシステムのPID制御を構築できるようになる。
また最後にロボットシステムの構成について学ぶ。
授業スケジュール
/Class schedule
第1週 講義の概要と序論
第2週 円形ロボットのコンフィギュレーション空間
第3週 矩形ロボットとロボットアームのコンフィギュレーション空間
第4週 人工ポテンシャル法
第5週 ロードマップ法
第6週 セル分解法
第7週 サンプリングに基づく経路生成
第8週 ロボットの運動方程式
第9週 フィードバック制御の原理
第10週 時間遅れ要素と定常誤差
第11週 制御システムの安定性
第12週 PID制御
第13週 フィードバック制御の利点
第14週 センサ,アクチュエータ,システム構成
第15週 まとめ
教科書
/Textbook(s)
なし。
必要な資料は、授業中に配布する。
成績評価の方法・基準
/Grading method/criteria
講義のクイズ:30%
演習:30%
期末試験:40%
履修上の留意点
/Note for course registration
関連科目として、コンピュータ理工学実験、プログラミングC,線形システム理論。

履修規程上の先修条件:L5 コンピュータ理工学実験
A1 人工知能
A7 線形システム論
参考(授業ホームページ、図書など)
/Reference (course
website, literature, etc.)
http://iplab.u-aizu.ac.jp/moodle


科目一覧へ戻る
開講学期
/Semester
2016年度/Academic Year  2学期 /Second Quarter
対象学年
/Course for;
4年
単位数
/Credits
3.0
責任者
/Coordinator
マイケル コーエン
担当教員名
/Instructor
ヴィジェガス ジュリアン , マイケル コーエン
推奨トラック
/Recommended track
VH
履修規程上の先修条件
/Prerequisites

更新日/Last updated on 2016/02/01
授業の概要
/Course outline
この講座では学部生や大学院生を対象に、特にデスクトップVR(別名、fishtank VR)を通してヒューマンインターフェースの技術と仮想現実の範例を紹介します。
講座ではCGM(消費者生成メディア)とUGC(ユーザー生成コンテンツ)を活用して自身でデザインした仮想世界の作成を実際に行います。
主に、オブジェクト指向で3Dシナリオ統合開発環境である「Alice」を用いて、ソフトウェア工学同様、デスクトップVR、色彩 (とカラー勾配)、図形・視覚のデザイン、テクスチャマッピング、音、音楽、対話の分野の表現を行います。
立体視と360度パノラマイメージベースドレンダリング("panos"= パノラマ画像, "turnos" =オブジェクトムービー)の分野も含まれます。また、マルチメディアコンテンツ製作のためにMathematica、SumoPaint、Audacity、GarageBandなどのソフトも用います。
授業の目的と到達目標
/Objectives and attainment
goals
マルチメディアの基礎課題を実践しながらヒューマンインターフェースについて学びます。マルチメディアにはカラーモデル、画像の取り込みと合成、グラフィックの合成と3D描画、テクスチャマッピング、パノラマ/ターノラマ画像とIBR(イメージベースドレンダリング)、立体視、音響(対話を含む)、音楽編集などがあります。仮想のキャラクターやコンピュータで製作された映画用の映画撮影術を用いて物語を製作し、ゲームのようなイベントなどのある動的な環境にユーザーを引き込むためにオブジェクト指向技術で製作された自身で製作した多様なインターフェースを学生は用いる。
授業スケジュール
/Class schedule
基本概念への導入は物理学に関係します。スペース(物理的なものやその他)とトポロジー、指数プロセスを含む数とアルゴリズムの複雑性、ソフトウェア工学とプログラミング(パラメーター表示・ランダム化・再帰・データ構造・イベント処理)、インタラクティブマルチメディアと知覚様式、グラフィックスとCGのレンダリング、CAD(コンピュータ設計)、視覚言語、立体映像と立体視(3D図面を含むオートステレオグラム・ランダムドットステレオグラム・アナグリフ・クロマステレオスコープ)、パノラマでターノラマなイメージとイメージベースドレンダリング、音・音響・TTS(text-to-speech synthesis)とSFX(sound effects)編集、BGM(background music)のためのDTM(desk-top music)作曲、インターフェースパラダイム、デジタルインタラクティブストリーテリングとメチネマ。

アートフォームに関して含むもの
  アニメーション:イラスト、キャラクターデザイン、モデリング、イメージや動きを組み合わせた図
  ドラマチックライティング; 戯曲やストーリーテリングの脚本
  グラフィクデザイン:2次元情報の提示
  インターラクティブデザインとゲーム開発:エンターテイメントコンピューティングとリッチメディアの開発
  モーションメディア:アバターやオブジェクトの振付け
  彫刻:3次元モデリング
  シーケンシャルアート:効果的な物語の絵コンテ、映像
  テーマの決められたエンターテイメント:仮想現実のデザイン、
  視覚効果:クラフト幻想
教科書
/Textbook(s)
教師による授業.

参考図書(購入の必要はない): Learning To Program with Alice (2nd Edition, Paperback), by Wanda P. Dann, Stephen Cooper, & Randy Pausch.

学生は授業中にアナグリフとクロマステレオスコピック用の立体視用めがねを購入する必要があります。
成績評価の方法・基準
/Grading method/criteria
必要な技術が身に付いているかを毎週『チェックポイント』課題で、発見やデザインの確認をします。シナリオ製作と絵コンテ製作、絵描きと色塗り、カラーモデルと仕様、デジタル合成(レイヤー・オーバレイ・テクスチャマッピング)、立体視(3D図面を含むオートステレオグラム・ランダムドットステレオグラム・アナグリフ・クロマステレオスコープ)、SFXを用いた音声編集、TTSによる音声との対話、BGM用のデスクトップ音楽の合成を通じて、仮想世界とストーリーを徐々に製作していきます。クリエイティブスタジオでの課題と時折クイズ、中間試験、期末試験があります。クロマステレオスコピックアートコンテストを開催し、優秀な作品は大学図書館に展示されます。また、授業中に撮影したパノラマ写真は大学仮想ハイパーリンクツアーにも用いられます。「Alice」を用いてシナリオ、動画、ゲームなどの独創的な作品を製作します。中間試験は個人製作、期末試験ではチームで製作し、スペシャルレビューセッションで授業中に発表します。

演習、クイズ: 35%、試験: 25%、個別プロジェクト: 20%、グループ プロジェクト: 20%
履修上の留意点
/Note for course registration
(none)
参考(授業ホームページ、図書など)
/Reference (course
website, literature, etc.)
Related web pages:
course home page: http://web-int.u-aizu.ac.jp/~mcohen/welcome/courses/AizuDai/undergraduate/HI&VR
newsletter article about the course: http://sighci.org/uploads/SIGHCI%20Newsletters/AIS_SIGHCI_Newsletter_v12_n1.pdf#page=10 (pages 10-11 if not automatically scrolled)
Alice desktop virtual reality IDE: http://www.alice.org
"Last Lecture" of Randy Pausch, the original architect of Alice: http://www.cmu.edu/randyslecture/
PhotoBooth photo capture: http://www.apple.com/jp/imac/built-in-apps/#photobooth
iPhoto photo manipulation: http://www.apple.com/jp/imac/built-in-apps/#iphoto
OS X "say" TTS (text-to-speech) utility: http://developer.apple.com/library/mac/#documentation/Darwin/Reference/ManPages/man1/say.1.html
Audacity audio editor: http://audacity.sourceforge.net/?lang=ja
<li> SumoPaint image editor: http://www.sumopaint.com/app/
Mathematica computational mathematics application: http://www.wolfram.com/mathematica/index.ja.html
GarageBand DTM (desk-top music) composition application: http://www.apple.com/jp/mac/garageband/
University of Aizu virtual tour: http://www.u-aizu.ac.jp/~mcohen/welcome/courses/AizuDai/undergraduate/HI&VR/VirtualTour
Chromastereoptic stereo system: http://www.chromatek.com
StereoMerger stereo viewer: http://www.stereomerger.com


科目一覧へ戻る
開講学期
/Semester
2016年度/Academic Year  4学期 /Fourth Quarter
対象学年
/Course for;
3年
単位数
/Credits
3.0
責任者
/Coordinator
森 和好
担当教員名
/Instructor
森 和好 , コン タン チョオン
推奨トラック
/Recommended track
CN,RC
履修規程上の先修条件
/Prerequisites

更新日/Last updated on 2016/09/09
授業の概要
/Course outline
The concept and theory of linear systems are needed in almost all electrical engineering fields and in many other engineering and scientific disciplines as well. This course focuses on the representations, analysis and effects of linear systems. We will address both continuous-time and discrete-time representations.
授業の目的と到達目標
/Objectives and attainment
goals
This course is to provide students with the foundations and tools of linear system theory, particularly the time-invariant case in both continuous-time and discrete-time.
授業スケジュール
/Class schedule
(1) Introduction to linear signals and systems
(2) Linear Time-Invariant (LTI) Systems
(3) Continuous-Time LTI Systems (including Laplace Transform Analysis)
(4) Discrete-Time LTI Systems (including Z-Transform Analysis)
(5) Fourier Analysis
(6) State Space Analysis
教科書
/Textbook(s)
Title: Schaum's Outline of Theory and Problems of Signals and Systems
3rd Ed.(Schaum's Outlines)
Author: Hwei P. Hsu
Publisher: Mcgraw-Hill
ISBN-10: 0071829466
ISBN-13: 978-0071829465
成績評価の方法・基準
/Grading method/criteria
Student evaluation should be decided by Examination, Reports, Quiz,
Attendance, and so on.

Professor Truong's criteria can be found at
http://web-int.u-aizu.ac.jp/~thang/ls/ls.htm

Mori's one can be found at
http://web-int.u-aizu.ac.jp/~k-mori/ls/
履修上の留意点
/Note for course registration
Formal prerequisites:None


科目一覧へ戻る
開講学期
/Semester
2016年度/Academic Year  2学期 /Second Quarter
対象学年
/Course for;
3年
単位数
/Credits
2.0
責任者
/Coordinator
趙 強福
担当教員名
/Instructor
杉山 雅英 , 趙 強福 , 丁 数学
推奨トラック
/Recommended track
CF,VH,RC,BM
履修規程上の先修条件
/Prerequisites
M5

更新日/Last updated on 2016/01/27
授業の概要
/Course outline
信号処理とは、ある物理現象即ち信号を、関数や数列のようにモデル化し、それを元に信号の振る舞いを解析し、信号をより望ましい形に直すプロセスである。信号の例としは、われわれの日常生活によくある音声、音響、画像、ビデオなど;医療診断によく使われる心電図、脳波、超音波など;空港や防衛になくてはならないレーダー信号など、さまざまある。信号処理では、信号やその中に含まれている情報の表現、変換、処理などを考える。例としては、音声信号を自動認識しやすくするための雑音除去;衛星写真の中に含まれる大事な情報を分かりやすくするための画像強調;できるだけ少ないメモリでできるだけ多くの情報を保存するためのデータ圧縮などが挙げられる。信号処理はさまざまな情報処理システムを構築するための基礎である。従って、この授業は音声処理、画像処理、データ圧縮、パターン認識などの先修課目である。

過去50年間、信号処理とりわけディジタル信号処理に関して数多くの理論や技術が提案されている。いままでわれわれが「ユーザ」として無意識にその成果を享受しているが、これからわれわれは、ICTの技術者として、プロとして、信号処理の原理を理解し、新しい理論やシステムを提案しなければならない。この課目はそのための準備である。この課目では、われわれは離散時間信号や離散時間システムに関する必要最小限の基礎知識を勉強する。主な内容としては、信号やシステムの分類、信号の時間領域や周波数領域表現、フーリエ変換やz変換に基づくシステムの解析や設計などが挙げられる。
授業の目的と到達目標
/Objectives and attainment
goals
この課目で勉強する内容は、主に以下のようになる:

- 時間領域における信号の表現
- 線形時不変システム
- インパルス応答、畳み込み和
- フーリエ変換、周波数応答、畳み込み定理
- サンプリング定理
- 離散フーリエ変換、高速フーリエ変換
- z変換、システム関数
- デジタルフィルタの設計

これらを勉強したら、学生が以下のようになることを期待する:

- 与えられた信号やシステムを、フーリエ変換やz変換を用いて解析できる。
- 信号やシステムを解析する際に、調べるべき項目を知る。
- 信号を望ましい形に処理するための基本的考え方を知る。
- 基本的な信号処理プロセッサ(デジタルフィルタ)が設計できる。
授業スケジュール
/Class schedule
(1) 信号とシステムのイントロダクション;時間領域における信号表現
(2) 線形時不変システム、インパルス応答、畳み込み和
(3) フーリエ変換、周波数応答、サンプリング定理
(4) z変換とその性質
(5) 逆z変換
(6) システム関数とシステムの安定性
(7) 中間テスト
(8) 離散フーリエ変換
(9) 高速フーリエ変換
(10) MatLab/SciLabによる信号処理
(11) デジタルフィルタの基本構成
(12) FIRフィルタの設計
(13) IIRフィルタの設計
(14) ディジタル信号処理の応用例
(15) 復習

(授業スケジュールは、クラスによって異なるので、詳細は、それぞれのクラスのHPをご参照ください。)

教科書
/Textbook(s)
MatLab対応ディジタル信号処理、樋口 龍雄、川又 政征著、森北出版、2015

(教科書は、クラスによって異なるので、詳細は、それぞれのクラスのHPをご参照ください。)
成績評価の方法・基準
/Grading method/criteria
Quizzes: 13 点
Exercises: 27 点
Examinations: 60点

(学生評価方法は、クラスによって異なるので、詳細は、それぞれのクラスのHPをご参照ください。)
履修上の留意点
/Note for course registration
この授業を履修するためには、微積分、線形代数、複素数解析、フーリエ解析などの基礎知識が必要です。これらの教科書を参考しながら勉強するようお勧めします。
参考(授業ホームページ、図書など)
/Reference (course
website, literature, etc.)
[1] ディジタル信号処理の基礎、島田 正治など、コロナ社、2006.
[2] Richard G. Lyons, Understanding Digital Signal Processing, Prentice
    Hall, 1996. ISBN:0201634678.
[3] S. W. Smith, The Scientist and Engineer's and Guide to Digital
    Signal Processing, California Technical Publishing, 1997. ISBN:
    0-9660176-3-3.  http://www.dspguide.com/pdfbook.htm (free on-line text in pdf format)


このページの内容に関するお問い合わせは学生課 教務係までお願いいたします。

お問い合わせ先メールアドレス:sad-aas@u-aizu.ac.jp