平成２３年度講義内容
- 以下はあくでも予定です．進度や要望に応じて随時変更します．
- スライドは講義終了後にアップロードします．カラー版は画面表示用，モノクロ版は印刷用です．
第1回：4月11日 講義内容の紹介・神経細胞の性質と神経素子
- 講義の方針
- 脳の構造の概略
- 神経細胞の性質
- 神経素子，神経細胞モデル
第2回：4月18日 教師あり学習とパーセプトロン
- 学習パターン認識
- ３種類の学習
- 教師あり学習
- パーセプトロン
- 線形分離可能性
- 学習収束定理
第3回：4月25日 バックプロパゲーション
- 誤差関数
- デルタルール
- 一般化デルタルール
- バックプロパゲーション
- 特異点の問題
第4回：5月2日 学習プログラムの実装と数値実験
- 数値実験の目的と注意事項
- パーセプトロンの実装
- バックプロパゲーションの実装
- 演習問題の説明
第5回：5月9日 サポートベクトルマシンとモジュール型ネットワーク
- サポートベクトルマシンとは
- ２次計画問題
- カーネルトリック
- radial basis function
- 局所性と氾化能力
- モジュール型ネットワークとは
- モジュール型ネットワークの考え方と代表例
第6回：5月16日 連想記憶と神経力学
- 古典的な連想記憶
- 自己想起型と相互想起型
- 相関学習
- リカレントネットワークと神経力学
- エネルギー関数
- 最適化問題の解法としての連想記憶
- 極小値の問題
第7回：5月23日 教師なし学習と競合学習
- 教師なし学習
- 特徴量の自己抽出
- 競合学習
- 教師なし学習の評価関数と情報量
第8回：5月30日 強化学習
- 強化学習の考え方
- 強化学習の定式化
- 報酬和と価値関数
- マルコフ定常過程
- ダイナミックプログラミングの考え方
第9回：6月6日 強化学習
- モンテカルロ法
- サンプリング法：ε-greedy 法 と Boltzmann選択法
- TD学習
- Q学習
- Actor-Critic model
- eligibility trace
6月13日は出張のため休講です．
第11回：6月20日 ベイズモデルと推定
- ベイズの定理
- ベイズ推定
- 正規分布の場合のベイズ推定
- カルマンフィルタ
- ベイズモデルを用いた知覚のモデル
- 相互情報量（時間があれば）
- 情報量に基づく感覚情報の選択（時間があれば）
第11回：6月27日 ＥＭアルゴリズム（ただし進度が遅れた場合はスキップします）
- 隠れ変数
- 隠れ変数のある問題でのパラメータ推定
- EMアルゴリズム
- ノイズに埋もれたパターン認識の問題
- 血液型因子分布の推定問題（時間に余れば）
第12回：7月4日 運動制御の計算理論
- ヒトの運動制御に関わる神経メカニズム
- ヒトの運動制御系の特徴
- フィードバック制御とフィードフォワード制御
- 内部モデル
- 順モデルと逆モデル
- 内部モデルの学習
第13回：7月11日 最適化理論と運動制御
- 到達運動とその特徴
- 筋力のつり合いと終点仮説
- 平衡点仮説
- 軌道の性質と最適化規範
- 躍度最小軌道，トルク変化最小軌道，誤差分散最小化軌道，表現単純化軌道
- 最適制御モデル
第14回：7月18日 運動系理解のための信号処理手法
- ベイズモデルを用いた感覚運動統合モデル
- 非負行列分解を用いた筋シナジー解析
- 情報量解析を用いた情報表現の解析
第15回：7月25日 進度調整日
|