Artificial Neural Network Theory

科目概要

ニューラルネットワークとソフトコンピューティングの基本原理を、その性質、種類、長所と短所の観点から紹介する。生物の神経細胞と神経系、さまざまなニューロンモデル、単層・多層ネットワーク、フィードフォワード型・フィードバック型ネットワーク、連想記憶を扱う。教師あり・教師なしの各種学習法（デルタ則、誤差逆伝播法、競合学習、ヘブ学習、内容アドレス型、強化学習、リカレント学習など）を説明する。動径基底関数ネットワークやウェーブレットネットワークなど多くのネットワーク形態における活性化関数（伝達関数）、さらに適応共鳴理論についても説明し、ニューラルネットワークの応用例を紹介する。

The basic concepts of neural networks and soft computing in terms of characterization, categorization, advantages and disadvantages are introduced. Biological neurons and nervous systems are overviewed. Various models of neural such as single and multi layer networks, feed forward and feedback networks, associative memories are explained. Then, the learning rules (supervised and unsupervised) are described such as delta, back propagation, competitive, Hebbian, content addressable, reinforcement recurrent learning rule. Activation functions (transfer functions) are then explained in various models of networks for example radial basis function, wavelet function including adaptive resonance theory. Some neural applications are exemplified.