予測符号化のためのニューロンネットワークの学習精度向上に関する研究 - これでわかる関数システムの完全学習方法
（56373）
高精度な予見制御を行うためには，正確なプラントモデル，すなわち，同定モデルが必要不可欠である．しかし，複雑な非線形プラントを解析し，その同定モデルを得ることは，非常に困難を極める．このため，解析可能な非線形プラントのみが，その物理現象を近似化した関数によって，準同定モデルとして表現できるにとどまっている．この代表的なものに，航空機の線形近似化モデルがある．そこで，近年その問題を解決する方法として，非線形写像を実現する関数の一つとして期待されていたニューラルネットワークが注目され，多くの研究者や技術者らによって，研究開発が行われてきた．しかし，これを用いても複雑な非線形プラントの同定モデルを得ることはできず，それは，ニューラルネットワークの第一の難関である学習問題として，掲げられていた．そして，ニューラルネットワークは，この類の課題に関しては，そもそも完全には学習できないものとして，当然に取り扱われていくことになる．
本書では，神経回路網の機能は，実際には，神経細胞(Neuron)が持っている様々な機能の結合の結果であることから，神経回路網の機能の主体である神経細胞を明示したニューロンネットワークの呼称を採用している．内容は，非線形プラントとして，航空機と心臓を採り上げ，それらの運動に関する予測を題材に，ニューラルネットワークの正しい構成を示し，長年のニューラルネットワークの学習問題が，解決されて行く研究過程を記述している．その中でも「量子化信号の誤差収束の原理」は，ニューラルネットワークの学習問題の解決を，世界で初めて決定付けた原理であり，本書の核心である．これにより，任意の複雑な非線形プラントの同定モデルを獲得できることが，論証されている．また，心電図信号予測という限定的な条件の下では，心電図の時系列出力信号の前後関係を完全に学習し，その同定モデルの獲得が，実証されている．
本書は，筆者の博士学位論文の市販版であり，純然たる研究論文である．あいにく，ニューラルネットワークの学習方法のテクニカル本を著する余裕がなく，あえて，研究論文のまま，市販版とさせていただいた．このため，論文を読み慣れていない読者には，少々堅苦しく感じられ，取掛り難い面もあると思われるが，現在のところ，ニューラルネットワークの適切な学習方法をマスターするには，本書しかない．
| 商品内容 | 製本A4版131ページ |
| 出品者 | 小早川設計事務所 小早川俊祐 |
| 販売日 | 2013/09/08 |
予測符号化のためのニューロンネットワークの学習精度向上に関する研究 - これでわかる関数システムの完全学習方法
（56373） Copyright © 2011 20時退社.com All rights reserved