ニューラルネットワーク (Neural Network)

明治大学 阪井和男

Meiji University, Kazuo SAKAI

ニューロレポート課題

関連リンク

目次

  1. ニューラルネットワーク (Neural Network)
  2. 脳は何からできているか
  3. ヒトの大脳皮質
  4. 生物ニューロンの拡大図
  5. 樹状突起
  6. 錐状体細胞（ヒト）の成長
  7. ニューロン=樹状突起＋軸策＋シナプス
  8. インパルスの伝播
  9. 神経インパルス列の例
  10. 細胞群における発火
  11. ニューロンのモデル
  12. 人工ニューラルネットワークの処理ユニット
  13. 階層型ネットワーク
  14. 相互結合型ネットワーク
  15. 階層型ネットワーク
  16. パーセプトロンの処理ユニット
  17. 3層パーセプトロン
  18. 多層ネットワーク
  19. パターン分類：ネコ
  20. パターン分類：イヌ
  21. パターン分類：ウサギ
  22. ニューラルネット応用の設計選択
  23. シロップビン識別のためのカテゴリ
  24. 境界完全化（その１）
  25. 境界完全化（その２）
  26. 相互結合型ネットワーク
  27. 相互結合型ネットワーク
  28. 教室シミュレーション
  29. 活性化ルール（離散型）
  30. 活性化ルール（連続型）
  31. 活性化ルール（不連続型）
  32. 生物の脳細胞（速さ vs. 蓄積量）
  33. ニューラルネットのまとめ
  34. カオスの認知科学的意味
  35. 絵画による多義絵（Dali）
  36. 絵画による多義絵（Dali）拡大
  37. 絵画による多義絵（Botwinick）
  38. 絵画による多義絵（Botwinick）
  39. 絵画による多義絵（Hill）
  40. 絵画による多義絵（Hill）
  41. 彫刻による多義物体
  42. 線画による多義図形（Jastrow）
  43. 線画による多義図形（Bugelski）
  44. 線画による多義図形（Rubin）
  45. 線画による多義図形
  46. 線画によるヒステリシス効果（Fisher）
  47. ネッカーの立方体
  48. ネッカーの立方体：二つの解釈
  49. 解釈の反転に対する新解釈
  50. 実験的事実
  51. 疲労効果に対する疑問
  52. スキーマの特徴量(1)
  53. スキーマの特徴量(2)
  54. 特徴的な時間
  55. 反転メカニズムの推測
  56. PDPスキーマモデル
  57. ユニット間の協調と競合
  58. スキーマＡの認知と活性度
  59. スキーマＢの認知と活性度
  60. PDPモデルとロジスティック写像
  61. PDPモデルの平均場近似
  62. 拡張ロジスティック写像
  63. 写像関数のバイアス依存性
  64. 位相図（結合定数 vs. バイアス差）
  65. 位相図の概念的構造
  66. 片側2周期
  67. 片側カオス
  68. 乗り換え クライシス
  69. カオス的 バースト
  70. 連想型スキーマモデル
  71. 活性量とバイアス差の変動
  72. スキーマ形成力とスィッチング
  73. ヒステリシス効果
  74. ネッカー立方体による実験
  75. 実験結果の解釈
  76. 典型的な実験結果
  77. Slow Observerの実験結果
  78. Fast Observerの実験結果
  79. 実験結果の頻度分布
  80. 実験結果の特徴
  81. シミュレーション結果の頻度分布
  82. スキーマとネットワークパラメータ
  83. PDPスキーマモデルの結論
  84. 推奨文献

Return - 戻る

Meiji University Kazuo SAKAI (明治大学 阪井和男)