2026年04月15日 第1回
今まで線形代数を通して，
線形的なものについては扱ってきたが非線形についてはあまり何に関わってくるのかがわからなかった．
今回の講義を通して世の中には複雑な振る舞いをしているものが多くそれらは非線形的な何かが関わってくることがわかった．
去年まで学んだ内容が繋がってくるような気がして楽しみです．
よろしくお願いします．
そうですね．色々と繋がりはあると思いますよ．楽しんでください．
時系列を予測するとき，
x(t)とx(t+1)の関係から予測するということが新たな視点で興味深かった．
カオスという言葉が度々出てきたが，
意味が分からなかった．
これからの講義を通して理解したいと思った．
カオスについては，次回以降でお話しできると思います．
今日の講義を受け，
自然界の現象の本質が「非線形性」と「時間」にあるという点に非常に興味を持ちました．
特に，
身の回りの現象が非線形であるため，
本講義で非線形ダイナミクスを扱う意義がよく理解できました．
今後，
線形代数などの知識が，
複雑な現象の解析にどのように応用されていくのかを楽しみにしています．
色々と使われますが，まずは基本的なところから話しますので，
一緒に考えてください．
今回の講義を通して線形，
非線形の定義を再確認し自身の認識に誤りがないことを確認できた．
また，
時系列を二次元空間に変換するという操作はいままで漸化式などを通して考え方は学んでいたかもしれないが，
時間による変化というより現実的なデータに対してこのような操作を行った経験はなく時系列に対してもこのような操作を行うことで未来の予測にも役立つ可能性があるのかと思うと面白いと感じた．
間違っていなかったのであればとてもよろしいと思います．
今回の講義を通して，
非線形ダイナミクスの概要について理解することが出来た．
特に，
一見ランダムに変化しているように感じるロジスティック写像が，
予測可能性をさぐると，
目に見えるほど綺麗な規則性が出てくることに感動した．
そうですよね．感動しますよね．
p13,14で行った予測可能性を探るというものは一見どちらも規則性がないように見えたが，
p14の方のみ放物線となったことに少し驚いた．
また，
重ね合わせの理が成り立たない事象は非線形ダイナミクスを用いてどのように解明するのか興味を持った．
確かに驚きです．
非線形ダイナミクスの解析については次回以降で話ができると思います．
一見，
複雑で，
規則が存在しないように感じる関係を数式で分解できることが興味深い．
そうですね．面白いですね．
x(t)とx(t+1)の点をプロットしていく中で，
次第に放物線の形が現れていく様子には強い印象を受けた．
一方で，
その関係式を確認すると，
高校で学習した典型的な二次関数の形であり，
結果としてこのようなグラフになるのは必然であるとも感じた．
教授が述べていた「規則的でも完全にランダムでもないものが最も興味深い」という指摘は非常に納得できるものであった．
実際，
自然現象や社会現象の多くは単純な規則では捉えきれない非線形的な振る舞いを示すためである．
今後は講義資料に基づき，
このような非線形現象や複雑系の理解をより一層深めていきたいと考えている．
ぜひ深めてください．色々と役立つと思いますよ．
今回の講義でよくわかったことは，
主に三つあります．
一つ目は，
周波数解析というのはさまざまな波形の和であるとして考えて分解するものであるということ．
二つ目は，
高級なフーリエ変換を使わずとも時刻t→t+1と，
その状態を確認することで時系列を二次元空間に変換し，
予測可能性を探ることができることです．
さらに，
線形というものが重ね合わせの理が成り立つものであり，
非線形は線形でないもの全てであるということを改めて確認したおかげで，
この授業で学ぶ非線形ダイナミクスが二つ目のt→t+1の状態と非線形の融合であることがよくわかりました．
また，
複雑ネットワークについてはとても曖昧なイメージ でしか理解していないので，
後半の授業も楽しみです．
はい，まとめてくれていますね．わかりやすいですね．
複雑な信号をより簡単な信号の組み合わせで表せる場合がある事は知っていたが，
手を動かして実際に予測を行うのは初めてだったため楽しく感じた．
今回の講義では t=0,1,... における x(t) の値で考えたが，
本来の時間が連続的である場合，
t=0 と t=1 の間に存在する値はどのように扱われるべきなのか疑問に思った．
良い質問だと思います．実際に物理的な現象では，時間は連続ですが，
この講義では離散的な時間で記述できるもの，これを差分方程式と言いますが，
こちらを扱います．次回触れましょう．
一見カオスに見える関数も複数の正弦波へ写像すれば解析することが容易になることをよく理解した．
データの一部から規則性を見出そうとすると全体ではカオス的である可能性があるため十分な情報量を取得することが重要だと感じた．
ビックデータ解析に興味があるのでそれぞれの分析について適用できる具体例を示しながら講義していただけると幸いです．
そうですか．ビッグデータ解析のどんなところに興味がありますか？
今回の講義はガイダンスでしたが，
講義内で非線形なものに対してアプローチしていくという部分に興味深さを感じました．
世の中は，
線型的に表すことができるものよりも非線形的な関係のものの方が多いと思うのでこの講義を受けることで自分の視野を広げることができるなと感じました．
その通りですね，非線形なものが多いです．
ランダムに見えるグラフでも分解することで，
規則性が出てくることがあるということに興味を持った．
実際に手を動かしたことで理解が増した．
面白いですよね．やはり自分でやってみると理解も進みますね．
今回の講義では講義の概要について，
特に線形性と非線形性について詳しく教えていただいた．
直感的に自然現象は非線形的な事象であることは理解できるが，
それをただ点としてとらえるのではなく，
その中でのつながりをみつけてプロットし，
まとめ，
新たな発見をみつけることが有用であると感じた．
久しくアナログな講義に出てなかったので，
講義の中でメモをとるのに新鮮味を覚えた．
普通講義ではメモというか，ノートをとりませんか？
青い方の時系列信号は予測が困難なものだと思ったが,実際には規則的な線形式に従っているロジスティクス写像であったため,時系列信号のみではすべてを判断することはできないと感じた.
規則的な線形式とありますが，ロジスティック写像は線形ではなくて非線形ですね．
この世に数多く存在する複雑な現象は，
単調で規則的な現象と違って理論で説明できるものではなく偶然だと思っていた．
しかし，
非線形ダイナミクスという観点からそのような現象を理解できると知り，
面白いと感じた．
はい，面白いですよ．
世の中のほとんどの事象はランダムでも規則的でもない中間の複雑状態にあるという言葉が印象に残った．
私は殆どが完全にランダムだと誤解していたので，
この学問が役に立つか懐疑的な気持ちだったが，
話を聞いてこの学問の重要性が分かった．
また，
どうやってランダムではないと分かったのか気になった．
今回の二つの時系列では，定性的に見ているだけですが，
実際には対象とするデータが決定論的か (つまりランダムではない) どうか
ということを定量的にみる方法はあります．
自然界の複雑な振る舞いをする現象を非線形性や時間発展の観点から捉える考え方について学んだ．
特に，
線形および非線形な関係とはどのようなものかを改めて理解することができた．
今後は，
こうした現象をどのように解析していくのかを具体的に理解していきたい．
線形・非線形が理解できたのであれば良かったと思います．
この調子でお願いします．
今回驚いたのは，
一見解析できなそうな非線形の複雑なグラフも座標変換すれば線形に帰着できたことだ．
その見方は漸化式でもあったのでとても興味深い．
線形に帰着ということではないのですが，次回改めて説明したいと思います．
世の中の複雑な振動現象がたくさんあることがわかり，
その現象を解析するという授業の展望をよく理解できました．
非線形の青の上に凸のグラフのようになるものではなく，
規則性の一見ないものを解析する方法を今後学んでより理解を深めたいと思いました．
そうですね．まずはどのような現象となるか，というところからお話しします．
離散数学など少し理解したつもりで曖昧になっているところがありそうなので，
少しづつ復習して思い返していこうと思います．
そうですね．講義でも適宜復習します．
予測可能性を探る問題で赤色のグラフも, 青色のグラフもt-y(t)グラフでは一見規則性などはないように見えたが, y(t)-y(t+1)に表してみると明確に規則性に違いがあって, 元の情報だけでは判断のつきにくい事象も見方, 表現方法を変えると理解しやすくなることが分かった.
その通りです．大切なところですね．
今日の講義は最初の授業ということもあって復習が多めでとても分かりやすかった．
線形，
非線形の確認から予測モデルまでこの講義の根幹を理解した
理解できたのであればよろしいと思います．
自然現象や生物分野などの身の回りの複雑な現象を数理モデル化する際の，
線形・非線形の切り分けについて学びました．
離散時間モデルにおけるx(t)とx(t+1)の関係性を図と式で整理したことで，
現象の抽象化に対する理解が深まりました．
今後の発展的なモデル学習にもついていけるように頑張りたいです．
よろしいと思います．期待していますよ．
今日の講義では, 身の回りにあるさまざまな時系列信号と周波数解析のしくみ, 時系列を2次元空間に変換する, 線形・非線形（・区分線形）について学びました. 予測可能かどうかを調べるために時系列を時間発展という考え方で分析し, その関係性が線形か非線形かを判断するという内容を理解しました. また, そのダイナミクス以前に, 各素子間でどのようなつながりかあるかを考えるのが複雑ネットワークだと認識しました. 授業内で出てきたいろいろな時系列信号がどのようなダイナミクスとして現れるのかとても気になりました.
実際にどのようなダイナミクスとなるかはこれからお話しします．
今回の講義では本講義の概要について話された．
フーリエ変換を用いて周波数解析をするということは2年生の講義でも扱ったが，
複雑に見える波形も時系列間の関係に注目すれば変化則がみえてくるというのは自分にとって新しかった．
今までと違う方法ですが，うまく差が現れますね．
今回の講義で複雑なふるまいを示す周波数を解析して，
周期性を見つけるのが面白そうだと感じたので，
非線形の関係の解き明かしかたを学びたいと思った．
ぜひ学んでください．楽しいですよ．
今回の授業では，
身の回りの現象には複雑な振る舞いを示すものが多く，
その本質として非線形性や時間変化が重要であることがよくわかった．
そうですね．非線形性とダイナミク，重要です．
様々なものが複雑な振る舞いをすることがわかった．
フーリエ変換は名前のみ知ってたが，
正弦波等の重ね合わせと言うことがわかった．
線形代数は授業が手厚かった為，
ある程度理解できた．
穴埋め形式の資料は良いと思いました．
フーリエ変換が正弦波等の重ね合わせではありませんが，大丈夫ですかね．
本日の講義で，
線形と非線形の違いを「重ね合わせの理が成り立つかどうか」という明確な基準で整理できたのが非常に分かりやすかったです．
普段の勉強で信号の処理などを扱う際にも線形近似を利用することが多いですが，
現実の現象の多くは非線形であるということを改めて意識できました．
今後の講義で，
複雑ネットワークやカオスが具体的にどのような工学応用につながるのか学べるのが楽しみです．
よく理解してくれていると思います．この調子でお願いします．
線形ダイナミクスは直線関係が成り立ち，
非線形ダイナミクスはそれ以外のもの全てという事が分かった．
その他にも時系列を2次元空間に変換して，
その予測可能性をについての考え方を理解した．
理解できましたか．よろしいと思います．
一見，
規則性がないように見える時系列でも複数に分割したり，
x(t)とx(t+1)の関係を考えることでその規則性が見えてくるということが非常に面白く，
学びになった．
色々な見方がありますね．
複雑な波形を周波数ごとに分解し，
その背後にある規則性を可視化する手法に関心を持った．
ホワイトノイズのようなランダムな現象と比較することで，
モデル化できる領域とできない領域の境界を意識するきっかけとなった．
講義の最後の部分で仰っていた成績の算出式に関して(100-X)の部分が試験の未達成部分を課題演習で保管するというモデルにしているのが合理的で秀逸だと感じた．
おー，そのように言ってくれると嬉しいですね．
比例などシンプルなのが線形で非比例で複雑なのが非線形など理解することができた．
半年間よろしくお願いします．
その理解で間違っていないですね．
ただ，「非比例」という言い方はしないと思います．
時間が経つと状態が変わることと，
要素同士がつながることの2つが，
世の中の複雑な現象の基本になっているということが分かった．
そうですね．大切な要素ですね．
今まで触れたことのない概念であるダイナミクスについてよく理解できました．
スライドを紙で配布していただけるのがとてもありがたかったです．
そうですか．やはり電子的なのはよくないですか．いいですね．
時系列を二次元空間に変換することで，
予測可能性が高まるものが存在するということを初めて学んだ．
なぜロジステイック写像がフーリエ変換では解析できないのか疑問に感じた．
良いコメントですね．解析はできますが，その結果が実際の状況とは異なるということですね．
もう少し言えば，非線形ダイナミクスは要素に還元できない，ということですね．
この講義で学べることについて理解することができた．
また，
非線形とは何なのか，
カオス的と周期的の違いや時系列を2次元平面に変換する方法などを学ぶことができた．
理解して暗ようで良かったと思います．
時系列を2次元に変換した際の x(t) と x(t+1) の関係をみて予測可能性を探ることは理解できた
しかし直感的によくわからない部分もあり，
今回の例では"ある点"から 1 秒ずつずらした際の変化を考え，
1秒ごとに規則性があることを帰納的に予測し当てはめていた．
これは例にあった時系列信号が数式によって作られたものであるから，
ということはわかるのだが自然界のものに当てはめた際には，
"ある点"から1秒ずつずらした結果がたまたま何かの関数に近づいただけで"ある点"を変えると別のものになるような例もあるのではないかと感じた．
また，
t と t+1 ではなく t と t+e (eはある正の数) とした時に成り立つ規則でも予測としてはいいのではないか，
ある e で成り立つときに別の間隔をなら別の写像で予測されるのかなど疑問がわいた．
今後学んでいく中で初期点や何秒ずらすかの違いによって得られる予測が変化することがあるのかなどを気にしていきたいと感じた．
良いコメントですね．次回触れますが，t と t+eということでも可能です．
最初，
複雑な振る舞いを示す現象で，
(振動現象)とあったので，
周期的な時系列信号を扱うのかと思っていたのですが，
完全ランダムな値をとるものも対象と聞いて，
それらを分析することになる際には，
数学的思考を適応させるのが難しそうだなと思いました．
世の中には，
一見ランダムに見えても，
実際は予測可能性があるものもあると思います．
そのようなものを分析する際にとるアプローチとして，
現状有効なものはどれくらいあるのでしょうか．
その方法が少ないと，
予測可能性を見落としてしまうし，
逆に多すぎると，
実際に完全ランダムなものに対しても，
分析するのに膨大な時間を要するので，
難しいところだなと感じました．
今日の講義で紹介したのが，「一見ランダムに見えても，
実際は予測可能性があるもの」ですね．
また，有効なアプローチの一つの基本が今日紹介した2次元空間への変換です．
一見すると規則性のない波形であっても，
分解して解析することで正弦波の重ね合わせで表せる可能性があることがよく分かった．
また，
本当に規則性のない波形については，
分解を行わなくてもその不規則性に気づくことができる方法はないのかと疑問に思った．
今日紹介したのは，重ね合わせでは表現できないということですね．
あるデータに規則性があるかないかを判定する方法はあります．
この講義ではそこまで話す時間はありませんが．
自然界の複雑な現象の背後に「非線形性」と「時間発展」という共通の視点があるということがわかりました．
特に，
一見ランダムに見えるデータでも，
2次元空間に写像することで規則性が見えるというところが非常に興味深かったです．
データサイエンスにおいても重要な基礎知識とのことなので，
数理的な理論だけでなく，
実社会のデータとどう結びつくのかを意識しながら取り組みたいと思います．
そうですね．その意識は大切だと思います．
線形や非線形についてはこれまでの大学の講義でなんとなく理解していたので理解に苦しむことはなさそうと思った．
y(t+1)=4•y(t)•(1-y(t))のロジスティック写像で，
y(t)=0.7を取るとその辺りで振動するため，
ランダムではないと思ったが，
式に代入することでその理由が分かってスッキリした．
ただ，
このように停滞するのはなぜなのか分からなかった．
探索アルゴリズムが部分的最適解に落ち着くときに近いのだろうか．
ロジスティック写像y(t+1)=4•y(t)•(1-y(t))は，
ランダムな現象と等価であることが知られています．
「停滞する」というのがいまいち不明ですが，どういうことですかね．
改めて線形，
非線形についての理解を深めることができた．
重ね合わせの理が成り立つ関係が線形，
そうでない場合は非線形だとわかった．
これからの講義では状態がどのように発展するかの「非線形ダイナミクス」と素子がどのように結合しているかの「複雑ネットワーク」について学ぶことが分かった．
理解できていると思います．
一見すると複雑そうな観測データを解析することで単純性を見つけるまたは，
規則性を見つけるということは複数のアプローチから考えないと行けないように思えて難しいように思えるが，
同時に面白そうだとも思った．
その通り，面白いですよ．
モデリング理論という名前から，
難しそうと感じていたが，
実例を交えて説明されて，
これからやることのイメージが出来た．
少しでも多くのことを学べるように，
今後も集中して授業に臨みたい．
そうでしたか．でも理解はしてくれたようで良かったと思います．
これからも期待しています．
講義を通して，
私たちの身の回りのすぐ近くに振動現象が存在していることを知った．
自然界に存在する複雑なふるまいの現象に対して，
非線形ダイナミクスという観点から可能性について考察していくことが楽しみである．
そうですね．楽しんでください．
本講義では，
モデリング理論における時系列信号の二次元空間に変換する方法や線形，
非線形の二つの状態など基礎的な部分について学習した．
二次元空間に変換することで一見複雑なグラフでも非線形の二次曲線のグラフが描かれるという関係を可視化したときはとても興味深いと感じた．
このことから，
振動現象の特徴について少し理解を深めることができた．
よろしいと思います．
LETUSで配布されているPDFファイルがロックされていて，
タブレットで書き込みができません．
ロックを解除して配布してください．
なるほど．失礼しました．
今日の講義を通じて，
非線形とは何かを再確認し，
複雑な振る舞いを示す現象を理解するためには，
状態の時間発展を追う非線形ダイナミクスという視点と，
素子同士が複雑に関係する現象を調べる方法論である複雑ネットワーク理論の両方の理解が重要であるとよく分かった．
また，
時系列データの例（ロジスティック写像）で，
二次関数のような単純な形であっても，
時間発展の中に非線形な関係があることでカオス的振る舞いを示すことは興味深かった．
よく理解してくれましたね．
今までの講義では，
自然現象等の複雑な現象を線形近似して取り扱ってきたが，
それらを正確に捉えるには非線形ダイナミクスの視点が不可欠であると考えた．
今後のモデリングにおいては，
要素間の非線形な相互作用を単なるノイズとして切り捨てず，
いかにシステム全体の特徴として組み込んでいくかが重要な課題になると感じた．
その通りです．不可欠なのです．素晴らしい．
実際に手を動かしながらグラフを変換してみることで，
より記憶に残りやすかったです．
区分線形は非線形であることなど，
線形か非線形かの区別の理解が深まったような気がしました．
理解が深まりましたか．それは良かった．
モデリング理論でこれから何を学ぶのかについて概観できました．
今回実践した，
非線形ダイナミクスによる値の変化の解析のみならず，
より多くの解析方法について学びたいと思いました．
色々お話できると思います．
今回の講義では，
モデリングが「現象を数式などで表して理解するための方法」ということは何となく分かりました．
また，
時間によって状態が変化していくものを扱う，
という説明はイメージしやすかったです．
まだ内容を十分に理解できていないのですが，
いろいろな現象を数学的に扱えるという点は面白そうだと感じました．
感じてくれた通りですね．楽しみにしてください．
フーリエ変換を行っても特徴無し・ホワイトノイズとしか判断できなかった現象が，
フーリエ変換よりも簡単なプロット方法の変換で見事に規則性が見いだせた点に驚愕した．
ダイナミクスという捉え方から，
"非線形"ダイナミクス（＝状態がどのように時間発展するのか），
素子の結合方法（複雑ネットワーク）など，
初めて聞く・習う概念で聞いていてワクワクするような内容が多く，
今後の授業も積極的に参加し自分の知識に落とし込んでいきたい．
色々とお話しできると思います．ぜひ楽しみにしてください．
これまではフーリエ変換のように時間的にグラフを見ることが多かったが，
ある時間と単位時間後の関係を見るという新たな視点を得ることができた．
新しい視点も重要ですね．
はじめは複雑な振る舞いを示す現象がどんなものかがいまいち分からなかったのですが，
例をたくさん挙げていただいたことと調べたことで，
なんとなく理解することができました．
時系列信号については，
音声信号や拍動などは思い付きましたが，
患者数や太陽が信号として表すことに驚きました．
また，
青い信号はパッと見規則がないように見えたのですが，
ダイナミクスにするとすごく綺麗に図が出て驚きました．
かなり丁寧に説明してくださったので，
今回の内容ははじめての内容も多かったのですが，
理解できました．
そうですか．理解できたのであれば，それは良かったです．
今後どのような分野を扱うのかのイメージをつかむことができた．
よろしいと思います．
身近な現象は複雑な振舞いを示すものが多く,それらの時間経過に対する変動を予想するものが難しいものばかりではなく時系列を2次元空間に変換した場合周期的なプロットが得られる場合も存在することがあると学んだ.また今後非線形な関係のものをどのようにして分析するのかなどに注目しながら学習していきたいと思った.
まずはどのようなカラクリで複雑な現象が出てくるのかを話します．
今日の講義では, 複雑な現象の本質が「非線形性」と「時間発展」にあることや, それを非線形ダイナミクスとして捉える点がよく理解できた. また, 気象や経済など具体例が挙げられており, 身近な現象と結びつけて考えられる点も分かりやすかった.
分かりやすかったのであれば良かったです．
今回の講義を通じて・全体の講義の概要
・複雑な結果の予測方法の一例(f(t)とf(t+1)を用いたプロット)の二点を学習・理解することが出来た．
また，
講義内容については演習がある事によってより意欲的に取り組みやすくなっていると感じたので，
次回以降の授業においても授業内演習がある事を期待したい．
今回の内容に関しては分からなかった部分はなかったが，
時系列解析においてフーリエ変換が全く使い物にならないデータがある事について驚きがあったと同時にフーリエ変換を用いない解析に強く興味を惹かれた．
惹かれましたか．それは良かった．
グラフと聞くと，
横軸に時間や変数，
縦軸に目的値をとるイメージであったが，
横軸にx(t),縦軸にx(t+1)をとり，
実際にプロットしてその関係を探るというのが新鮮で面白かった．
加えてロジスティック写像のグラフは一見規則性が見られなかったが，
y(t)とy(t+1)の関係を探ると非常に単純な2次関数の関係にあるというのが興味深かった．
また「コバルトγ線放射の時間間隔が地球上でもっともランダムなデータとも言われる」というようなお話がありましたが，
なぜ規則性が見い出せないのか気になった．
そうですね．コバルトデータは奥が深いですね．
講義の例ではx(t+1)=f(x(t))のfはプロットから推測できたが，
「fがわかりにくい（複雑）」場合と「fが定義できない」場合の違いが気になった．
自分で調べてみる．
調べてみるのはとても良いことです．
どうやって調べますか？
今回の講義を通して，
気象や経済のほかにも医学など様々な分野の時系列信号が存在することが分かった．
また，
実際に手を動かすことで，
周波数解析をどういった方法で行うのかをより理解することができた．
区分線形や非線形ダイナミクスなどはあまり知らなかったが，
本講義を通して，
線形・非線形との関係や違いについて理解することができた．
理解することができたようで良かったと思います．
線形と非線形についてはよく理解できたが，
区分線形が非線形に含まれるという名前の付け方がややこしかった．
時系列とx(t),x(t+1)の二次元空間のプロットで得られる情報が大きく違うことがわかった．
そうなのです．大きく異なりますね．面白いところです．
線形，
非線形の違いで，
ある値に対して一定の増加量を維持し続けるのが線形であることから，
区分線形という形の途中で増加量が変化するケースは直線だったとしても線形とは言わないということは自分の理解の甘さ知ることができた．
また，
複雑な形の波形をいくつかの波形に分解することで解析することにはその考え方に感動した．
理解が甘いということはないと思います．これから理解できたら良いことですね．
重ね合わせの理が成り立たない非線形な関係が，
世の中の様々な現象を説明するために重要ということが学べました．
時系列データを2次元空間へ変換して解析したように，
データの表現方法を多方面から捉えて，
その背後にある本質を読めるようになりたいです．
課題を通してしっかりと理解します．
色々と試してみると良いですね．
複雑な状態をいくつかの簡単な成分で分析できることを知った．
また線形非線形の区別も勉強になった．
よろしいと思います．
一見すると不規則で予測不可能に見える複雑な時系列データでも，
x(t) と x(t+1) の組を作って2次元空間にプロットすることで，
背後にある決定論的なルールや規則性が視覚的に明らかになるというアプローチが，
講義中の作業によって非常に腑に落ちました．
実際にやってみることが大切ですね．
本日の講義で特に印象に残ったのは，
時系列データのx(t)とx(t+1)を用いて2次元空間に変換する考え方です．
元々の横軸がt，
縦軸がx(t)のグラフでは一見ランダムに見えるデータでも，
別の形に変換することで，
そのデータに潜む規則性を可視化できるというところにハッとさせられました．
また，
マーク付き点過程といった表現の仕方を初めて学び，
現実のデータを扱う上で非常に強力な手法であるなと感じました．
どの時間にイベントが発生したり，
エラーを起こすのかのパターンをうまく発見してくれる部分がとても魅力的に感じました．
現在数値計算という講義を履修しているのですが，
今回学んだ波の分解や非線形な関係への取り組み方などが，
それらの講義と深く結びついているように感じました．
今後の講義でモデリング理論への理解を深めるとともに，
ここで得た知識を他講義とも結びつけて考えられるような視点を養っていきたいです．
色々と結びつけるのは大切ですね．
非線形ダイナミクスと複雑ネットワークについて，
実際にデータや図を見たり，
グラフをプロットしたりすることで，
これらがどのような雰囲気なのか感じることができた．
また，
特に，
周波数解析について興味を持った．
興味を持ったのであれば調べてみると良いですね．
物事の複雑な関係性を理論的に見出そうとするのは，
式も複雑になるのが想定されるので，
私が解析するとなると理解に苦しみそうな予感がした，
ただ，
内容的には様々なものを解析できることから，
とても実用性があると感じ，
関心が湧いた．
色々とできることがあるので試してみると良いですね．
非線形と聞くと，
線形代数などに馴染みのある私からすると複雑で難しいものであると考えていましたが，
さまざまな時系列信号などの具体例を交えながら順を追って説明されていたことで，
どのようなものか頭の中で整理しやすく，
以前より抵抗感が薄れたと感じました．
抵抗感が薄れたのであれば良かったと思います．
PDFがロックされてて編集するのにパスワードが必要になってます！解除して欲しいです！！
編集はしないようにしてください．
今回の講義を通じて，
自然界の複雑な現象の背後には「非線形性」と「時間発展」という2つの重要な要素があることを学んだ．
一見ランダムに見える波形でも，
様々な手法を用いることで予測できるようになるかもしれないということを知り，
興味が出てきた．
今後は，
これらの個々の要素が「複雑ネットワーク」としてどのように結合し，
工学的に応用されていくのかを深く学んでいきたい．
色々と話ができると思います．
複雑で予測不能な現象の裏に，
実はシンプルな数式が潜んでいることを視覚的に実感できるのが，
面白そうだと感じました．
面白いですよ．
複雑に見えてたもの全てがランダムではなく非線形ダイナミクスで説明できる場合もあることが知れて面白かった．
面白いですよ．
本日の講義で，
一見ランダムでノイズに見えるデータが，
(x(t),x(t+1))で2次元空間にプロットしてみると規則性が現れて，
線形ダイナミクス的なデータであることが分かることもあることに非常に驚いた．
また，
x(t+1)=f(x(t))がx(t)に関する3次以降の式として表されるときの時系列変化がどのようになるのかも気になった．
良いコメントですね．次回触れましょう．
「非線形性」や「ダイナミクス」，
「予測可能性」といった，
この分野を学ぶにあたって深く理解しておくことが必要な語彙について，
その定義や使用場面を自分のなかで整理し，
把握し始めることができたように思います．
今後は，
"複雑な振る舞いを示す"とは具体的にどんな性質をそう表現しているのかということや，
「カオス」や「ランダム」といった語彙についても自分の語彙で説明ができるようにしていきたいです．
そうですね．自分の言葉で，というのが大切ですね．