2021年11月22日 第9回
ニューロンモデルが様々に紹介され，
神経細胞の仕組みに近しいものも考案されていたりと非常に興味深かった．
個人的には遂に待ち望んでいた話題になったと感じているので，より学びを深めていきたい．
待ち望んでいましたか．それは素晴らしい．
形式ニューロンモデルから，三つの分類として出力状態，時間，更新法則が存在するという事が理解できた．
また，hidden layerによってS1,S2から入力された情報がXORでの判定としてできることが理解できた．
よろしいと思います．
今回の講義では，主に形式ニューロンの拡張について学んだ．
拡張されたモデルはより神経細胞に似た動きをすることが理解できた．
よろしいと思います．
Mcculloch & Pittsモデルの連続時間や確率論的拡張について理解することができました．
実際の現象(ニューロンの出力が実際はアナログなど)に近づけるように，
時間や確率論的などの様々な拡張を行う事によって，
最初に定義したモデルを改良していくのがモデリングの醍醐味だと感じました．
そうですね．色々と改良する方法がありますね．
前期に履修したパターン認識の「誤差逆伝搬法」について，
隠れ層などがある理由を含め改めて理解を深めることができました．
拡張(2)の話で，k(0<k<1)という文字が出てきましたが，これは変数という認識でよいのでしょうか，
それとも，あらかじめモデルを考える際に定数として値を設定するものなのでしょうか．
kは変数ではなくて，パラメータです．
集合の話から急に微分のような計算の話に変わるのが大学の講義らしくて楽しかった
急に変わりましたかね？
今日は前回からの形式ニューロンモデルを拡張し様々なステップ関数を確認しました．
ニューロンモデルについて分類を行うことで体系的に学べたので良かったです．
よろしいと思います．
決定論的という言葉だったり，過去の人工知能の講義や，
モデリング理論の講義などで登場した概念が再びここで出てきて
今までの講義はそれぞれつながっているということを感じました．
そうですね．関係しますね．