学習の数理 (ニュ-ラルネットの数理--脳の解明に向けて<特集>)

スポンサーリンク

概要

• 論文の詳細を見る
• サイエンス社の論文

著者

• 篠本 滋

  京大理

関連論文

• 21aEA-10 単一神経細胞による変化点検出問題(21aEA ニューラルネットワーク2,領域11(統計力学,物性基礎論,応用数学,力学,流体物理))
• 21aEA-1 スパイクニューロンモデルの分類(21aEA ニューラルネットワーク2,領域11(統計力学,物性基礎論,応用数学,力学,流体物理))
• 22pEL-1 地震の発生間隔の相関について2(22pEL 摩擦・地震,領域11(統計力学,物性基礎論,応用数学,力学,流体物理))
• 27p-H-1 神経回路網の自己組織化とその情報分類能力
• 25pQC-4 地震の発生間隔の相関について(摩擦・地震・その他の系,領域11,統計力学,物性基礎論,応用数学,力学,流体物理)
• 30pVC-9 変動閾値モデルによるスパイク時系列の予測(30pVC 生物物理,領域12(ソフトマター物理,化学物理,生物物理))
• 25pWD-1 時間遅れの分布による動的ネットワークの安定化(力学系モデル,領域11,統計力学,物性基礎論,応用数学,力学,流体物理)
• 23pTL-3 伝達遅延に分布のある神経回路の集団振動(ニューラルネットワーク,領域11,統計力学,物性基礎論,応用数学,力学,流体物理)
• 26pXD-14 相空間の情報を利用したスパイク予測法の提案(26pXD ニューラルネットワーク(神経系のモデルを含む),領域11(統計力学,物性基礎論,応用数学,力学,流体物理))
• 24pYB-7 神経細胞の電気的入出力関係の同定(ニューラルネットワーク,領域11(統計力学,物性基礎論,応用数学,力学,流体物理))
• 25p-ZA-6 近似学習に於ける学習曲線II
• 27p-PS-133 近似学習における学習曲線
• 27p-H-2 シミュレーテッドアニーリングにおけるエネルギーの時間スケーリング
• 13pTC-9 点過程統計モデルによる神経スパイク時系列の解析(ニューラルネットワーク : 神経系のモデルを含む, 領域 11)
• 点過程を観測モデルとした隠れマルコフモデルのパラメータ推定
• 21aTQ-6 スパイク時系列に基づく発火確率の時間変動の推定
• 13pTC-7 ランダムなスパイク列と規則的なスパイク列を判別するための最適な指標の探索(ニューラルネットワーク : 神経系のモデルを含む, 領域 11)
• 13pTC-6 大域結合した Resonate-and-Fire モデル(ニューラルネットワーク : 神経系のモデルを含む, 領域 11)
• 大脳の数理モデルを目指して (大脳/神経科学からのアプロ-チ)
• 28pWJ-7 スパイク発生パターンによる神経細胞の分類
• 18aRD-10 Interval statistics of time-dependent Poisson processes and spiking data of biological neurons
• サービスとしての科学 (特集 あなたが考える科学とは)
• 26pU-17 Random Spike Generator Modelの自己整合性とスパイクデータとの整合性
• 6p-YD-8 スパイク時系列データにもとづいたニューロンモデルの検討
• 学習の理論--誤りを減らすためにはどの程度学んだらよいか
• 27p-PS-134 空間分割モデルの学習曲線
• 学習の数理 (ニュ-ラルネットの数理--脳の解明に向けて)
• 緩和アルゴリズムの応用 (ニュ-ラルネット)
• 物理の"複雑なシステム"と脳 (脳の高次機能)
• (1) D. J. Amit, Modeling Brain Function, Combridge Univ. Press, New York, 1989, 504p., 23.5×15.5 cm, (2) D. E. Rumelhart, J. L. McClleland and PDP Research Group, Parallel Distributed Processing, Vols. 1 and 2, MIT Press, Massachusetts, 1986, 2冊 (547p, 61
• 2. 神経回路網とその自己組織化(基研短期研究会「スピングラスを中心とした新しい秩序相」報告,研究会報告)
• 26p-W-6 回路の自己組織と保持
• 神経回路網とスピングラス(スピングラス(リエントラント転移を中心として),研究会報告)
• 神経網モデルのダイナミクス--物理学との接点 (ニュ-ラル・ネット--脳科学の前線)
• 神経細胞の膜電位時系列から時間変動する入力信号と隠れ変数のダイナミクスを推定する (情報論的学習理論と機械学習)
• 25aAG-1 非ポアソン性を持つスパイク列に対するヒストグラムの最適化(25aAG ニューラルネットワーク2,領域11(統計力学,物性基礎論,応用数学,力学,流体物理))
• 7aPS-13 共鳴型ニューロンモデルの解析((古典スピン系一般,量子スピン系,電子系 他),ポスターセッション,領域11,領域12合同,領域11)
• 27pAJ-13 神経回路シミュレーションデータを用いた結合推定(27pAJ ニューラルネットワーク2,領域11(物性基礎論・統計力学・流体物理・応用数学・社会経済物理))

もっと見る 閉じる

スポンサーリンク