| 1 ニューラルネットワークとは |
| 1.1 ニューラルネットワークって何? 1 |
| 1.2 ニューロンとその構成 2 |
| 1.3 ニューラルネットワークの歴史 4 |
| 1.4 実用的なアプリケーション 5 |
| 1.5 ニューラルネットワークの特徴 6 |
| 1.6 ニューラルネットワーク対ディジタルコンピュータ 8 |
| 1.7 ニューラルネットワークの魅力 9 |
| 演習問題 10 |
| 2 ニューラルネットワークの基本的なモデル |
| 2.1 ネットワークトポロジー 12 |
| 2.2 ニューロ力学 13 |
| 2.3 ネットワーク力学 13 |
| 2.4 学習アルゴリズム 14 |
| 2.5 ニューラルネットワークの基本的モデル 14 |
| 2.6 ニューラルネットワークのモデルおよびパラダイム 16 |
| 演習問題 30 |
| 3 ニューラルネットワークの設計know-how |
| 3.1 ニューラルネットワーク学習について 31 |
| 3.2 GDR学習 31 |
| 3.3 学習の準備 35 |
| 3.4 学習データ収集 36 |
| 3.5 スケーリング問題(scaling problem) 38 |
| 3.6 隠れ層のニューロン数の選定 42 |
| 3.7 学習パラメータの選定 45 |
| 3.8 暗記化または過学習(memorization or over-training)と一般化(generalization) 49 |
| 3.9 伝達関数の選択 51 |
| 3.10 学習アルゴリズムの選定 54 |
| 3.11 必要な学習データ 55 |
| 3.12 データの与え方 56 |
| 3.13 Testingの準備 57 |
| 3.14 評価基準 58 |
| 演習問題 59 |
| 4 ニューラルネットワークのプルーニング(Neural Network Pruning) |
| 4.1 プルーニングのための動機づけ 61 |
| 4.2 プルーニングプロセス(pruning process) 63 |
| 4.3 感度の計算 64 |
| 4.4 不必要な接続の除去 66 |
| 4.5 例題 67 |
| 4.6 プルーニングに関する結論 71 |
| 4.7 プログラムリストおよびプログラム記述 72 |
| 演習問題 73 |
| 5 ニューラル・ネットワークの応用 |
| 5.1 文字認識(character recognition) 74 |
| 5.2 音声認識(speech recognition) 77 |
| 5.3 ナビゲーション(navigation) 77 |
| 5.4 倒立振子システムの安定化制御 79 |
| 5.5 天候予測 80 |
| 5.6 株予測 81 |
| 5.7 ロボットアーム制御 83 |
| 5.8 ローン問題(銀行からお金を借りられるか?) 86 |
| 5.9 実用化された電力系統の負荷予測 91 |
| 5.10 予測・再予測の実用化 94 |
| 5.11 総供給電力から消費形態別電力を推定するためのニューラルネットワーク手法の適用 107 |
| 演習問題 110 |
| 6 ニューラルネットワークの設計と応用の問題点および見直し |
| 6.1 予測問題としての難しさ 111 |
| 6.2 ニューラルネットワークの問題点 112 |
| 演習問題 114 |
| 参考文献 115 |
| 演習問題略解 123 |
| プログラムリスト 127 |
| 索引 143 |
