生物情報工学
Biological and Artificial Information Processing

茨城大学 工学部 メディア通信工学科 専門科目（選択科目）
他学科からの受講者も歓迎します

概要 生物とコンピューターの情報処理の長所と短所を対比し、生物の長所をコンピューターの技術に応用する可能性を学ぶ。脳の情報処理の数式化に加えて、生物集団の振舞いの数式化、人間が機器を操作する際に成り立つ法則についても紹介する。 ●前提知識：微積分学（基盤科目）、多変数の微積分学、線形代数I、応用数学I キーワード 人工知能、脳、人間、生物、コンピューター 到達目標 脳の情報処理の基本モデル(パーセプトロンと連想記憶)の扱い方を身につけ、意味を知る。 生物個体数変動の微分方程式と差分方程式の扱い方を身につけ、意味を知る。 ※ 学習・教育到達目標との対応（工学部履修案内メディア通信工学科の項を参照）：A-2、B-1、C-1 授業計画 ガイダンス。個体の情報処理（脳，人間），インタラクション（社会，環境），人間特性実験 多数決の数理，多数決の一般化 一般化多数決から脳へ 認識と学習の基本モデルとしてのパーセプトロン パーセプトロンによるパターン認識 パーセプトロンの学習 演習と振り返り（パーセプトロン） 記憶の基本モデルとしての連想記憶 連想記憶の性質 演習と振り返り（連想記憶） 生物個体数変動の微分方程式（マルサスの法則とロジスティック方程式） 生物個体数変動の微分方程式の解法（定性的方法〈流れを用いる方法〉） 2種生物個体数変動の微分方程式（Lotka-Volterra方程式）とその解 ロジスティック方程式からロジスティック写像へ ロジスティック写像の性質とカオス 予習・復習のポイント 授業内容を理解するのが難しいと感じる場合にはノートを見直し、参考書やインターネット情報を活用して理解に努めて下さい。授業がよく理解できると感じる場合には、授業中に「余裕を持って理解できている学生のために」と案内する事項について自習や調査をし、この分野のより深い理解につなげて下さい。 履修上の注意 他学科の学生も歓迎します。 授業は要点と筋道を学ぶ時間にすぎません。各自の理解度に合わせた自習を心がけて下さい。