認知発達機械研究室(Developmental Congnitive Machines Laboratory)

本講義では，ソフトコンピューティングを構成する伝統的な理論や技術について紹介し，適応と進化の考え方を用いた人工システムにおける機能の発見と獲得の方法論と，種々の問題解決の手法について習得することを目指す．

1. 概論
2. 人工生命と進化計算 （群集の機能獲得，ミシガンアプローチとピッツバーグアプローチ，形態と機能の協調進化，アトラクティブネス対エフェクティブネス，エクストラディメンジョナルバイパス，SAGA）
3. ファジー理論と例からの学習（倒立振り子の制御とメンバーシップ関数）
4. ニューロコンピューティング（個の機能獲得，パーセプトロン，RBF，誤差逆伝播アルゴリズム，自己組織化マップ，CPG，カオスニューロなど）
5. 強化学習の理論（AHC，Q学習，エリジブルトレース，確率的オートマトン）
6. 応用事例紹介（最適化問題の解法，信号解析など）

全7回の講義に対して3回のレポートで成績を評価する．

−　レポート課題「倒立振り子の制御」−　

下図は倒立振り子と台車で構成されるシステムである．3種類の制御方法（ファジー・ANN・GA）を用いて角度0度に収束する倒立振り子の制御器を構築し，その振る舞いについて考察すること．なお，振り子の棒の質量・慣性モーメントは考えないものとし，振り子の初期角度は-π[rad]から+π[rad]の範囲にあるものとする．

1. 第1回「ファジー制御」
2. 第2回「ANN（BPもしくはランダム探索）」
3. 第3回「GA」