*平成２３年度講義内容 [#ecd50da5]
-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 [#ref11d47]
-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 [#pd473b14]
-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 [#e79277cc]
-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 [#qde9eef2]
-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 [#i3b5aeb1]
-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 [#ocf545f2]
-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 [#pea4e81b]
-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 [#t7c82ae9]
-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 [#gd7fd8ab]
-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． [#fa46ecd1]
**第11回：6月20日 ベイズモデルと推定 [#f61fb262]
-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） [#zf796635]
-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 [#h33a2771]
-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 [#gb95941f]
-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 [#q9f98cc3]
-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 [#c3544622]
ページ一覧