2021年11月15日 第8回
形式ニューロンモデルに関して，
はじめビジュアル的にも式的にもわかりやすい内容であると感じていたところ，
出力された結果を線形分離するというパターン認識の一端となり，
当時のマッカローとピッツとしては想像していなかっただろうが，
このような結果が導かれるのは非常に面白いなと思いました．
想像していたんじゃないでしょうかね．
何れにしてもとても面白いですね．
XORは線形分離不可能であるので変数を1つ足すという話がありましたが，
ふとニューラルネットワークの誤差逆伝播法のアルゴリズムを表した図を思い出しました．
入力層や中間層にも，別の入力が1つ足されているような図だった気がするのですが，
線形分離不可能な問題に対処するためなのですか？
誤差逆伝播法は，どの講義で習っているのですかね．
その図を見ていないのでなんとも言えませんが，
誤差逆伝播法もお話ししたような線を引くものなので，
全てが線形分離不可能なものに対してとは言えませんが，
見たものはそれに相当するものだと思います．
形式ニューロンモデルの概要や，
その入力に対する重みの付け方(線形分離)について理解することができました．
重みの付け方を二次元の図を用いて求めるのが，非常にわかりやすかったです．
よろしいと思います．
他学科履修なのですが，形式ニューロンモデルを用いた論理演算は非常に情報工学科っぽくてワクワクしました．
それならば良かったと思います．
何回か前の講義から, 化学と物理と数学が融合した総合的な分野になってきていると感じた．
色々な話が必要になるということですね．
神経細胞のやり取りを論理演算で表現する方法について学び，
コンピュータとの関係性が徐々に見えてきたと感じました．
この話は本当の神経細胞の話ではないので注意してください．
McCullochとPittsが作成した形式ニューロンモデルはANDやOR，
NOTなどの論理演算を実現できることを理解できた．
よろしいと思います．
神経細胞への入力，神経細胞からの出力について，幾何学的なモデル化を学んだ．
and,orの場合は2次元で，xorの場合は3次元で考えたが，こうして様々な論理演算について，
次元は増やしたものの同じ方法を用いて考えられる点が面白く感じた．
面白く思ってくれたのであれば，成功です．
今日は主に形式ニューロンモデルについて講義で取り扱いました．
数値設定のところで最初少し躓いた部分がありましたが，
グラフにより二次元平面で図式化することでしっかり理解して講義を終えられたので良かったです．
良かったと思います．
形式ニューロンモデルにおける，出力値の計算式$(x(t+1))$の考え方を理解するのに時間がかかりました．
もう一度時間をかけて復習をしようと思います．
自分もiPadのGoodNotesが課題や勉強をするときに便利すぎて手放せなくなっています．
分からないところは質問してください．