1 神経回路システムの概要と研究の視座 |
1.1 神経回路とは 1 |
1.2 生体内のネットと人工ネット 3 |
1.3 人工ニューラルネットの主要な機能 5 |
1.4 研究の視座と歴史 7 |
演習問題 11 |
2 神経系の生理とモデル表現 |
2.1 ニューロンの発生と分化 12 |
2.2 ニューロンの興奮とパルス伝搬 14 |
2.3 ニューロン間情報伝達の形態 17 |
2.4 脳の発生と分化 19 |
2.5 神経系の構成 21 |
2.6 神経接続の基本形とその形成要因 29 |
演習問題 32 |
3 記憶と学習のモデル |
3.1 生体内の記憶と学習 33 |
3.2 シナプスの可塑性とHebb学習 35 |
3.2.1 神経生理学的に見た記憶の階層 35 |
3.2.2 神経系の可塑性と学習 35 |
3.2.3 シナプスレベルの学習モデル 37 |
3.3 連想記憶モデル 38 |
3.3.1 動的連想記憶 39 |
3.3.2 静的連想記憶 44 |
演習問題 50 |
4 教師つき学習モデル |
4.1 パーセプトロン 51 |
4.1.1 パーセプトロンの誤り訂正学習 52 |
4.1.2 単純パーセプトロンの限界 55 |
4.2 誤差逆伝搬法(error back propagation) 56 |
4.3 learning vector quantization(LVQ) 63 |
4.4 ラジアル基底関数ネット(RBF) 65 |
4.5 多層ネットをめぐる諸問題 68 |
演習問題 71 |
5 誤差逆伝搬法と逆問題 |
5.1 ネットワーク・インバージョン 72 |
5.2 逆問題解決のためのanswer-in-weights形式 73 |
演習問題 82 |
6 教師なし学習モデルと自己組織化 |
6.1 学習における教師の役割 83 |
6.2 自己組織化の指導原理と生体機構の合目的性 84 |
6.3 教師なしモデルによる情報処理 90 |
演習問題 97 |
7 最適化およびパターン修復問題 |
7.1 最適化問題 98 |
7.2 パターンの修復 103 |
演習問題 105 |
8 複数ネットによるシステム構成 |
8.1 同種ネットの複数構成 106 |
8.2 異種ネットの統合 114 |
演習問題 117 |
9 神経回路と情報量 |
9.1 層状ネットワークの効率 118 |
9.2 連想記憶のメモリ使用効率 123 |
演習問題 127 |
10 制御システムへの応用 |
10.1 制御系におけるBPの利用 128 |
10.2 ロボット工学への応用 134 |
演習問題 140 |
11 医用・生体計測への応用 |
11.1 時系列情報処理 142 |
11.2 医用画像処理 147 |
11.3 知識情報処理 154 |
演習問題 155 |
12 社会システムと神経回路 |
12.1 組織の形成過程 156 |
12.2 階層構造の形成と効率 160 |
12.3 社会システムにおける問題解決とニューラルネット 162 |
12.4 多数のneural agents間の競合と市場形成 164 |
演習問題 166 |
13 神経回路システムの実現と意識のニューロエソロジー |
13.1 神経回路システムの実現方法 167 |
13.2 意識のニューロエソロジー 173 |
13.2.1 意識を支える脳内機構 174 |
13.2.2 意識を構成するネット 176 |
演習問題 181 |
付録 三層ニューラルネットワークシミュレータプログラム 182 |
引用・参考文献 193 |
演習問題略解 204 |
あとがき 206 |
索引 207 |