Copyright(c)1996 Akira Iwata & Toshiyuki Matubara
(Iwata Laboratory Nagoya Institute of Technolgy)

０ はじめに

学習の進め方

１ 神経細胞とニューラルネットワーク

神経細胞
ニューロンモデル
ニューロンモデルの数式化
ネットワークモデル
まとめ

２ 階層型ネットワーク

２．１ パーセプトロン

パーセプトロン
パーセプトロンの動作と学習
パーセプトロン学習のシミュレーション
パーセプトロンの限界
まとめ

２．２ バックプロパゲーション学習

最急降下法
前向き演算
後向き演算１（出力層から中間層）
後向き演算２（中間層から入力層）
ＢＰのシミュレーション
ＢＰシミュレータ
まとめ

２．３ その他の階層型ネットワーク

ネオコグニトロン
マルチモジュールニューラルネットワーク

３ 非階層型ネットワーク

３．１ ホップフィールドネットワーク

ホップフィールドネットワークとは？
ホップフィールドネットワークの動作
シミュレーション
エネルギー関数
パターンの想起
連続値ホップフィールドモデル
まとめ

３．２ ボルツマンマシン

ボルツマンマシンとは？
シミュレーティッドアニーリング
巡回セールスマン問題とは？
巡回セールスマン問題のエネルギー関数
巡回セールスマン問題のシミュレーション
まとめ

３．３ 競合学習型ベクトル量子化ニューラルネットワーク

ベクトル量子化と競合学習
コホーネン学習則
自己組織化Featureマップ
Featureマップのシミュレーション
１次元のつながりをもつFeatureマップ
まとめ

３．４ 学習ベクトル量子化法 〜ＬＶＱモデル〜

ＬＶＱモデルとパターン分類
ＬＶＱ１
ＬＶＱ２
ＬＶＱ３
まとめ

４ 大規模ニューラルネットワーク 〜CombNet-II〜

CombNet-IIとは？
自己増殖型ニューラルネットワーク
CombNet-IIの応用例
まとめ

参考文献