Feed back型について、先に相互結合型を示したあと「本によっては」と層状を示されましたが、
同じものを単に違うかき方をしただけなのかがよくわかりませんでした。
図の書き方がまずかったですかね．でも，納得はしてくれたようですので，
大丈夫でしょうか．
連想記憶はまだぼんやりとしかつかめず、復習します。
連想記憶ということがでしょうか？それとも，固定点にになっている
というところを示した箇所でしょうか．
ところで，総合演習についてのコメントを同も有り難うございました．
とても良い意見で，来年度以降に反映できたらと思います．
後輩達が喜びますね．
課題Ｂについて: 大元となるプログラムが単純で入り易かった。
その結果、組み合わせ最適化問題の面倒臭さと
ヒューリスティックの大切さが体で理解できた。（十分超の待ち時間の苦痛）
今回は課題Bについてのコメントに対して返事をしないつもりでしたが，
ちょっと気になったので…
「(十分超の待ち時間の苦痛)」とありますが，
10分ぐらいの計算なら苦痛とか言うレベルじゃないですね．
来年になれば分かりますが，
もっとすごい計算をやらなくてはならないです．
計算をバックグラウンドで走らせて，その間他のことやれば良いのに．
課題Ｂは先生やTAの方が端末室にいるので
質問しやすくて助かります。
口頭試問で単位を落としそうで心配です。
今回は課題Bについてのコメントに対して返事をしないつもりでしたが，
口頭試問について，今から「単位を落としそう」とか言わんように．
本当になってしまうので，そういうネガティブな発送はやめましょう．
ポスター発表も大変そうですね。想像しただけで緊張してしまいました。
院に行くか、就職するか以前に進級できるかが心配です。
女性の場合、院を出ると年齢的に修勝に不利という話も聞くの
で、悩みます。
確かに大変かもしれませんが，でも大丈夫と思いますよ．
皆さんの先輩はやってきていることですからね．
進級は大丈夫だと思うので，迷わず大学院進学！
「女性の場合…」ですが，不利になることなんかありません．
そんなこという企業があったら，問題になるでしょ？
誰がそんなこと言ったの？
今日の連想記憶は難しかったです。
直交していないとき、
になるのがわかりませんでした。
それであれば，質問をしてくれるといいですね．講義中に．
この部分はNになるのではなくて，Nとおいただけです．
相互結合型の連想記憶は、例えば人の名前を思い
出そうとする時などにあてはまるような気がした。思い
出せないとき少しのヒントをもらうことで記憶がよみがえる
など、まさにこれなのではないかと思う。
なるほど．面白いですが．数理的にどう考えますかね．
多分，ローカルミニマムに落ちているときに，ヒントをもらうのが
ノイズという感じかな？いずれにしても良いコメントですね，
の意味がよくわかりません。Wの中に組み込まれていますが
そのように決定するのですか？
ただの
の添え字がちがうだけですか？
β番目のパターンということです．
今日の講義で話した内容に沿えば，他のパターンとお互いに直交していることが必要です．
まさか生体情報工学の授業で、工学総合演習の情報が
聞けるとは思わなかったです。今日の授業に出席してて
よかったです。
ラッキーでしたね．
安定な固定点であるはずなのに、自分にはなかなか思い出せない
記憶がたくさんあります。この講義で学んだことが、不安定な固定点
にならないように努力します。
固定点にすらなっていなかもしれませんね．
が何を表すのかがわからなかったです。
と が直行している時がどういう状態を表すのかがわからなかったです。
Nが小さければ、記憶させることができる、ということはわかりました。
シナプス結合行列Wで与えられる変換Tという意味でTwとしました．
何を表すかは，スライドで見せていますし，書いているはず．
講義を聞いていて、ナップサック問題に似ているようなきがしました。
相互結合型NNと連想記憶はナップサックもんだいい関係する部
分があるのですか？
どうして似ていると思いましたか？面白い質問だと思うのですが…
いつもこのパターンの質問ですが，
自分の意見の部分について，
もう少し具体的に説明できるようになるといいですね．
相互結合型の
が固定点だというのはよく分かったけど、
それがどういう意味なのかよく分からなかった。
パターンが変わらないようにするためなのですか？
あと証明の３行目は
であっていると思います。
次回話しますが，ノイズが加わっても元に戻りますよね．
ということは安定して出力されるということです．
マジカル頭脳パワーでしょうか？！
良いコメントですね．
ただ，なぜマジカル頭脳パワーになるか，
分かっていないで書いているだけだと思いますが…
p.26でm個のパターンを記憶させる条件が
となる理由が
良くわかりませんでした。（入力「Α」に対しての出力「Α」を返す条件、と読み変えればよいのでしょうか？）
今月末は今回のレポート＋再レポート＋ポスターとかなり忙しそうな気がします。
この連想記憶マシンにパターンs^{α}を入れたら，
s^{α}が出てくるようになったとします．
ということは望みの動作になるということですね．
括弧の中の解釈であっています．
レポートとポスタは確かに大変でしょうが，
でも大丈夫よ．
今日は安定な固定点のみで考えていますが、不安定な固定点
というのは連想記憶に関係ないのでしょうか？
とても良い質問です!!すばらしい．
次回，いや次々回に話します．
ニューラルネットワークの連想記憶に関する数式をパッと見すると、複雑そうに見えましたが、
意味を考えるとかなり単純に感じ、わかりやすかったです。
「意味を考える」，いいですね．素晴らしいじゃないですか．
Feed back型は自分に出力が帰ってくるつながりかたで、
Feed Foward型は自分には帰って来ない一方通行のようなつながりかたであってますか？
Perfect!!
実際理解すればそうでもないのですが、数式に文字が多くなると
少しつらくなってきます。３年で数学をやる講義が少ないので
貴重なのかもしれません。
「少し」なら大丈夫だよね．
自分からつらいなどと言わないようにしましょう．
今日行った「相互結合型NNと連想記憶」での式は連想記憶を行なう際のニューロンの
行動をモデル化した式、という認識で良いでしょうか？
講議で扱う式が何の為の式なのか、という所すらわからなくなってきました。
復習していないからだと思います．
漢字も練習しておくように．
連想することのできるモデルがあることに驚いた。
また、その説明の仕方も解り易く、良かった。
Α→優になる式はどのようにすれば良いのだろうか。
式としては定量的に表現できなければなりません．
例えば，講義中に話したように，
Aや優を画像と見る手もあるでしょう．
で は固定点であることに
気付くことができなかったので、勉強不足を感じた。
前期の講義をちゃんと聞いていましたか？
このモデルを用いれば、画像認証をする場合、→ 
自動的に人間のように判断できそう。
面白いアイディアですね．どうやってやりますかね．
今回の連想記憶を相互結合型、つまりフィードバック型のシステムを使ってモデル
を作ったが、フィードフォワード型の処理を行っての連想記憶は可能なのだろうか？
可能じゃないでしょうか？ちょっと思いつきませんが．
いや，やっぱり今回のような方法では難しいかな．
次元が多くなってくると、なんとなくイメージがとりづらくなってきますね…
sgnは0以外のとき1、未満のときは-1を返すというのでいいんですよね？
はい，その通りです．
脳は一体どれだけのパターンを記憶しているんだろう…
MPモデルにしたものも0, 1のデジタル的なものなので
この分野が発達すれば本当に人間のような人工知能が作れるんじゃないかと思いました。
「人工知能」の考え方は，人間とは違いますね．
「人間の」脳のようなものが作れるということでしたら，可能性はもちろんあると思います．
MPモデルで連想記憶という考えかたがおもしろかったです。
この場合、各パターンは安定点となっているのですか？
はい，その通りです．講義で説明した内容ですね．
ちゃんと聞いていなかったかな？
最近風邪をよくこじらせる為か講議を休みがちなので
この講議と必修の講議だけは残り頑張りたいです。
巡回セールスマン問題なつかしいです。
元気を出してやってほしいと思います．
あと，漢字の間違いには気をつけよう．