2013年1月30日 第14回
卒論のやり方がTSPを解くアルゴリズムに似ているなと思いました．
大域最適解を求めるために局所最適解に何回も入るのが似ていると思います．
大域的最適解に到達するためには，局所最適解を抜け出るようにしないとダメですね!
僕たちの知っている知識，理論，現象にカオスの特徴を関連づけると，
新たな発見，より良い解法につながることがわかりました．まだまだ
カオスの応用範囲は広そうで，カオスの面白さを感じました．
卒論の進め方も知ることができて，とても有意義な授業でした．
そう感じてくれたのであれば良かったです．
静的な連想記憶は一つしか連想できないのに対して，
動的な連想記憶は多数の連想が出来ることから，
より人間に近くなっていることがわかった．
またこれを実現できるカオスはとても重要なことがわかった．
必ずしもカオスを使わなくても可能ですが，
一つの方法として面白いと思います．
p．１８では，時間が経つにつれてどんどん連想記憶がどんどん出てくる訳です
が，それぞれの記憶の類似性(distance)はどういう風に定義されているんですか?
(そういうのがないと最終的には，全記憶が出てくるだけな気がします)
例えば，t=1の波は，t=17の×とt=113の△とでは，(17-1)<(113-1)なので，波は
△より×に近い．．．とか解釈しても良いですか?
先ほど説明した通りです．
カオスを用いることでTSPに2-optを施すよりも
良い解が得られるので，総合演習で自分が解いた問題にカオスを用いるとどの程
度改善されるか調べてみようと思いました．
ぜひ，やってみてください．
また，カオスが出てきて驚きました．
それはとこかく，合成による解析は，実験が基本だと思うので
４年になったらぜひ心がけないと思う．
楽しみですね．
事象を検討する際に，結果までの過程で，どこが問題であったかを
説明できることが重要だという話を聞けてよかった．卒論に着手した後も，
忘れないようにしたい．
すべてを隠すことなく議論することが大切です．
カオスを再現する際に，既存の南雲・佐藤ニューロンモデル
ではできなかったが，それを改良してカオスニューロンモデルとすること
で再現できるようになったという手順が卒研で役に立つということがわかりました．
よく理解してくれたようで良かったです．
合成による解析の話がとてもためになりました．
今までの勉強より楽しそうなので着手できるよう
ラストスパート頑張ります．
研究は楽しいと思いますが，
未開の芝野を突き進むものなので
気合いを入れてやってください．
解析の説明が実際の研究室での例えもあって
わかりやすかったです．
自分も失敗することを恐れず生きていきたいと思います．
期待しています．
ポスターセッションのポスターに何を書けばよいのか全くわかっていないので
課題Bだと嘘をついて手を上げれば良かったと後悔しています．
自分は馬鹿正直な節があるので
もっと柔軟な思考を身につけたいです．
嘘をつかなくても質問してくれたら話をしますよ．
合成による解析はこれからの実験でとても重要だと思った．
就職でも同じことがいえるんだろうなと思った．
就職については別の面で大切なことがありますね．
資料８ページの図は来年度も覚えておこうと思いました．
また，実際課題BでTSPの解と比べて，カオスの可能性とすごさを再認識しました．
単に認識じゃなくて，「再認識」というところがすばらしいですね．