| 授業の目標と概要 |
| 脳の情報処理形態をモデル化したニューラルネットワークモデルを取り上げ、並列分散的な情報処理の方式やネット |
| ワークによる学習のしくみについて学ぶ。基本的なニューロン（神経細胞）モデルについて学習した後、階層型およ |
| び相互結合型ネットワークモデルを取り上げ、誤差逆伝播法による学習のしくみや、連想記憶モデルの動作原理につ |
| いて学習する。また、ニューラルネットワークの応用例についても学ぶ。 |
|
| カリキュラムにおける位置づけ |
| 微分積分，線形代数等の数学の基本的知識を活用しながら、学習のしくみやニューラルネットワークの動作原理を明 |
| らかにしていく。 |
|
|
|
| １．ニューロンモデル・ネットワークモデル |
2 |
| ニューラルネットワークとは何か，その特徴や構造について学ぶ。 |
|
|
|
| ２．階層型ネットワークモデルと誤差逆伝播法 |
12 |
| 階層型ネットワークモデルの構成と情報伝達の方式について学ぶ。 |
|
| そして、最も基本的な学習アルゴリズムである誤差逆伝播法について学ぶ。 |
|
|
|
| ３．相互結合型ネットワークモデル |
6 |
| 相互結合型モデルの構成と動作原理について学ぶ。 |
|
| ネットワークのエネルギー関数減少の動作原理について学ぶ。 |
|
|
|
| ４．連想記憶モデル |
4 |
| 相互結合型モデルの代表的な応用例のひとつである連想記憶モデルについて学ぶ。 |
|
|
|
| ５．階層型モデル・相互結合型モデルの応用 |
5 |
| 両モデルがそれぞれどのような情報処理に応用されているかを調べレポートにまとめる。 |
|
|
|
|
|
|
|
|
|
|
| 教科書 |
|
学習とニューラルネットワーク（熊沢逸夫 森北出版）
|
|
| 補助教科書 |
|
| 履修上の注意 |
|
履修するうえで、微分積分の基本と線形代数の基本知識を必要とする。
|
|
| 評価基準 |
|
ニューラルネットワークモデルの動作原理や学習のし方を数式で表現できるか、またニューラルネットワークモデルの応用のし方を理解しているか。
|
|
| 評価法 |
|
| 学習・教育目標 |
東京高専 |
|
JABEE |
|
