資料詳細

目次

第1章 始めるにあたって

  1.1 運動に潜む保存量

  1.2 本書が著された理由を簡単しに説明してみよう

  1.3 倍音の配合比率分布をパターンモデルTφで再現しよう

  1.4 エントロピーetpy(φ),情報理論的次元dim(φ)の再現

  1.5 パターンモデルTφはパターンφの標準形である

  1.6 代表的な3種類の音声波形

  1.7 認識機械RECOGNITRONについて

  1.8 本書の背景や基盤(S.Suzukiはこれまで,何を解決してきたのか?)

第2章 連続値特徴抽出モデル,2値特徴抽出モデル

  2.1 諸準備(直交系,正規直交糸,射影作用素,自己共役作用素,ユニタリ作用素)と,量子力学的観測量,平均化パターン

  2.2 連続値特徴抽出モデルTφ

  2.3 2値特徴抽出モデルTφ

第3章 認識機械RECOGNITRONによる日本語単独母音の認識

  3.1 付録B,式(B.1)の認識機械RECOGNITRONの認識動作を少し変えて,簡単に説明してみよう

  3.2 採用したモデル構成作用素Tの構成

  3.3 採用した類似度関数SM

  3.4 採用した大分類関数BSC

  3.5 連想形認識結果と検討

第4章 正の形式モデルと負の形式モデルの差でパターンモデルを表わし,その離散化を求めよう

  4.1 集合Mの分解

  4.2 各形状素ψl(l[ゾクスル]L)の分解

  4.3 正の形式モデルT+φと負の形式モデルT-φの差T+φ-T-φとしてのモデルTφ

  4.4 2つの非負値モデルT+φ,T-φの離散化D+φ,D-φ

第5章 正規直交系から定まる2つのユニタリ作用素

  5.1 ヒルベルト空間Hの,正規直交系{ψl}l[ゾクスル]Lを使った直交直和分解

  5.2 ユニタリ作用素U=<U',U”>

  5.3 ユニタリ作用素としてのハウスホルダー変換

  5.4 ユニタリ作用素としての回転

第6章 正規直交系の諸例

  6.1 正規直交系{ψl}l[ゾクスル]Lの構成法

  6.2 量子情報学における2つのモデル

  6.3 walsh関数

  6.4 偶奇関数

  6.5 三角関数

  6.6 行列パターン

  6.7 標本化関数

  6.8 帯域関数(標本化関数の差)

  6.9 ガウス関数

第7章 認識機械RECOGNITRONの性能は何により保証されるのか?

  7.1 情報の価値を処理する知能の働き

  7.2 パターン認識の働きとは?(類似度が基となって,パターン認識がなされると考えてみよう)

  7.3 余弦類似度はしばしば使われるが,その他にも有用な類似度がある

  7.4 連想形認識方程式を解く帰納を伴った前向き推論と,帰納を伴った後向き推論

  7.5 各種推論

  7.6 統計的処理の回帰分析は因果関係の推定に役立つのであろうか?

  7.7 対象φ[ゾクスル]Φを解釈できる表象<Tωj,<j>>

  7.8 パターンモデルTφの同一知覚原理と,各要素属性パターン素ψk(k[ゾクスル]L)の,誤差無し再現性

  7.9 認識関数論

第8章 変形座標関数によるパターンモデルの構成

  8.1 最適化問題の解としての,モデル構成作用素Tの決定

  8.2 感性的同値原理と,助変数a*(φ)とc<1～N>*の意味

  8.3 助変数a*(φ)とc<1～N>*の,最急降下的機械学習による逐次決定

第9章 SS包含情報量を使った類似度関数の再帰的機械学習

  9.1 そもそも,パターンηを貯えているパターンφの持つ情報量とは何であろうか?

  9.2 3種類のSS包含情報量SSIq(φ,η)(q=0,1,2)

  9.3 類似度関数SMの,訓練パターンを使ったon‐line機械学習による再帰的改良

第10章 終わるにあたって

  10.1 認識の働きは先ず,処理対象φに対応するモデルTφを確保することから始まる

  10.2 パターンモデルTφの定義と,簡単な4構成例

  10.3 認識機械RECOGNITRONの動作領域Φを覆うパターン集合[カップ]k[ゾクスル]KO(ηk,2ε)の存在

  10.4 認識機械RECOGNITRONの内部記憶内容が連想形認識経験が増えると共に増えていく事態が,SS理論を他の研究者の理論に対し優位にする

  10.5 認知機能としてのモデル構成作用素T

  10.6 知覚の恒常性を反映するパターンモデルTφ

  10.7 座標変換Uという運動に潜む保存量を備えたパターンモデルTφ

  10.8 パターンモデルTφは記憶内容ξからの呼び出し内容である

  10.9 量子認識の進化形は最強である

文献

  文献A(S.Suzukiの著書)

  文献B(S.Suzukiなどの学会論文など)

  文献C(S.Suzukiなどの工学院大学研究報告での論文)

  文献D(S.Suzukiなどの芝浦工業大学研究報告での論文)

  文献E(S.Suzukiなどの文教大学情報学部研究報告「情報研究」での論文)

  文献F(一般著書,一般論文)

付録A.ヒルベルト空間論の初歩

  A1.パターンφ,線形作用素A,非線形作用素T,部分空間,パターン領域Φ,モデルTφ

  A2.線形ベクトル空間

  A3.内積(φ,η)

  A4.内積(φ,η)で定義されるノルム∥φ∥

  A5.ノルム距離∥φ-η∥

  A6.ヒルベルト空間H

  A7.可分なヒルベルト空間Hと,完全正規直交系{ψl}l[ゾクスル]Lの6例

  A8.最小自乗展開の特別なものとしてのフーリェ式展開と正射影係数

  A9.有限次元の線形作用素Aの構造

付録B.認識機械RECOGNITRON

  B1.多段階連想形認識システムRECOGNITRONとパターンモデルTφの解釈とその役割

  B2.axiom1～axiom4からなるSS公理系と,関連事項

  B3.モデル構成作用素T,類似度関数SM,大分類関数BSCの構成例

  B4.カテゴリ帰属知識の変換方法

  B5.SSポテンシャルE(φ,γ)

  B6.直交性類似度関数SMを採用したことから成り立つカテゴリ帰属知識の変換におけるSSポテンシャルエネルギーEの非増加性

  B7.ミックスチュア性類似度関数SMを採用したことから成り立つカテゴリ帰属知識の変換における不動点性

  B8.連想形多段階認識による不動点計算プログラム

付録C.平面上にある連続値特徴抽出モデル

  C1.平面上のパターンφの表現

  C2.平面上のパターンモデルTφの表現

付録D.多段階想起過程の収束

  D1.多段階想起機械MSRM(ΦB,T,SM,BSC)

  D2.多段階想起過程への,汎関数G(φ,ψ;γ)と,確率関数qi(i[ゾクスル]γ),i[ゾクスル]γの導入

  D3.多段階想起過程の,更新分(Δψt)の設定

  D4.更新分(Δψt)の具体的表現

  D5.多段階想起過程の終了規準を与える不動点方程式

  D6.多段階想起過程での,更新式(D.10)でのψt+1=ψt+(Δψt),t=0,1,2,…における更新分(Δψt)の3分析

  D7.不動点方程式の,収束するとは限らない求解法

  D8.4つの単段階認識法は一般には,多段階認識法に劣る

付録E.パターンモデルによる形状の抽出

  E1.写像T'と2つの関数h1,h2によって定義されるパターンモデルTφ

  E2.振幅の絶対値が1より大きくない振幅規格化パターンモデルSφ

  E3.2つの関数値0,h2をとる2関数値化パターンモデルTφ

  E4.2値1,0をとるパターンモデルTφ

  E5.顔画像φの2値化,並びに,φからの,パターンモデルTφを使った目,鼻,口の抽出

付録F.射影作用素P<η>,ハウスホルダー変換U<η>,量子力学的類似度QMS(φ,η)

  F1.1次元線形作用素P<η>の射影作用素性

  F2.ハウスホルダー変換U<η>の逆作用素性・ユニタリ性

  F3.量子力学的類似度QMS(φ,η)

ページの先頭へ