資料詳細

目次

第1章 はじめに

  1.1 機械学習とは

  1.2 リザバーコンピューティングの概念

  1.3 リザバーコンピューティングの位置づけ

  1.4 歴史的背景

  1.5 本書の構成

第2章 人工ニューラルネットワーク

  2.1 背景

  2.2 人工ニューロンモデル

  2.3 活性化関数

  2.4 パーセプトロン

  2.5 ニューラルネットワークの構造

  2.6 順伝播型ニューラルネットワーク

  2.7 リカレントニューラルネットワーク

  2.8 まとめ

第3章 エコーステートネットワーク

  3.1 背景

  3.2 モデル

  3.3 リザバーの役割

  3.4 Echo State Property(ESP)

  3.5 モデル設計の指針

  3.6 学習アルゴリズム

  3.7 計算性能評価

  3.8 計算性能向上のヒント

  3.9 リザバーの性質

第4章 時系列パターン認識の基礎問題

  4.1 概要

  4.2 時間的排他的論理和(XOR)タスク

  4.3 時間的パリティタスク

  4.4 非線形チャネル等化

  4.5 波形分類

  4.6 正弦波生成

  4.7 非線形時系列予測(バッチ学習)

  4.8 非線形時系列予測(オンライン学習)

  4.9 カオス時系列予測

第5章 時系列パターン認識の応用問題

  5.1 応用分野

  5.2 時系列データの前処理

  5.3 発話数字認識

  5.4 心電図の異常検知

  5.5 太陽黒点データ予測

  5.6 まとめ

第6章 リキッドステートマシン

  6.1 背景

  6.2 概念

  6.3 フィルタ近似能力

  6.4 モデル実装

  6.5 スパイク列パターン認識

  6.6 まとめ

第7章 物理リザバーコンピューティング

  7.1 概要

  7.2 実装に向けた二つのアプローチ

  7.3 物理リザバーの分類

  7.4 物理リザバーの具体例

  7.5 まとめ

第8章 物理リザバーコンピューティングの要素技術

  8.1 信号処理の流れ

  8.2 要素技術

  8.3 まとめ

第9章 将来展望

  9.1 大雑把で高速な判断

  9.2 作り込まない脳型計算ハードウェア

  9.3 産業応用に向けて

  9.4 自然計算や脳科学とのつながり

  9.5 まとめ

付録

  A.1 RLS法に基づくオンライン学習則の導出

  A.2 遅延フィードバック型リザバーの具体例

  A.3 エクストリームラーニングマシン

  A.4 Pythonサンプルコード

ページの先頭へ