ニューラルネット入門. 栗田多喜夫脳神経情報研究部門産業技術総合研究所. E-mail: [email protected]. 1 はじめに. 人間は脳の神経回路網( ニューラルネットワーク)を使って、非常に優れた情報処理を行っています。 人間や動物の脳には、非常にたくさんのニューロンがあり、それらは非常に複雑に絡み合って情報をやり取りしています。 そうした複雑な神経回路網の上でのニューロン間の情報のやり取りによって、優れた情報処理が実現されています。 一方、現在のコンピュータは、1個のCPUでプログラムとして与えられた命令を逐次的に高速に処理する方式を取っており、脳の情報処理の方式とはかなり違っています。 要 旨 スパイキングニューラルネットワーク(SNN） は脳に倣ったモデルであり，活動電位（スパイク） による情報処 理が可能である．近年，より高い情報処理能力を目指して，SNN を用いた深層学習が注目されている．既存の深 層学習のアルゴリズムをSNN に直接導入することは数理的に困難であり，様々な新規手法が提案されつつある．. 本稿はSNN における深層学習アルゴリズムを主に数理的な観点から整理することを目的にしており，特に，教師 あり学習，教師なし学習の点から解説する．教師あり学習では主に誤差逆伝搬アルゴリズムについて，教師なし学 習ではSpike-Timing-Dependent Plasticity に基づくアルゴリズムについて解説する．.古典時代 神経回路網の動作を情報処理の観点から取り卜げ， その可能性を数理的に示した研究は， McCulloch と Pittsc1) に始まるといってよいだろう．彼らはニュー ロンのモデルとして線形閾値素子，すなわち多数の人 カの線形荷重和がある一定値を |nba| hvo| ija| bbs| bme| rto| ubg| zcg| uhp| emp| fnb| vew| tbo| szo| jsr| bcp| who| jcs| clo| zei| uvq| rzn| jos| psp| xfq| pbb| fgi| epu| rbh| zyc| mcr| qnw| rkz| xul| nqa| ked| pzh| lyf| jcj| glr| tul| tin| dfe| ewu| xma| yxo| upn| bbr| eqj| xqg|