内容説明
基礎理論と応用例を、厳密性を犠牲にしないで、しかも自己充足的で、かつわかりやすく丁寧に解説。ニューロコンピューティング全般にわたる基礎理論といくつかの代表的な応用例を、大学初等の解析学や線形代数などの素養で容易に理解できるよう、わかりやすく解説した。
目次
1 ニューラルネットワークモデル
2 階層型ネットワークと学習メカニズム
3 ホップフィールドモデルとその拡張
4 リカレントニューラルネットワーク
5 RBFネットワーク
6 競合学習
7 連想記憶
8 確率ニューラルネットワーク
9 主成分分析法
著者等紹介
坂和正敏[サカワマサトシ]
1947年生まれる。1970年京都大学工学部数理工学科卒業。1972年京都大学大学院工学研究科修士課程数理工学専攻修了。1975年京都大学大学院工学研究科博士課程数理工学専攻修了、京都大学工学博士、神戸大学工学部システム工学科助手。1981年神戸大学工学部システム工学科助教授。1987年岩手大学工学部数理情報学講座教授。1990年広島大学工学部第二類(電気系)計数管理工学講座教授
田中雅博[タナカマサヒロ]
1956年生まれる。1979年京都大学工学部数理工学科卒業。1981年京都大学大学院工学研究科修士課程数理工学専攻修了、(株)島津製作所勤務。1983年滋賀大学経済短期大学部助手。1987年滋賀大学経済短期大学部講師。1989年滋賀大学経済短期大学部助教授。1990年京都大学工学博士、岡山大学工学部情報工学科助教授。1999年甲南大学理学部経営理学科教授。2001年甲南大学理工学部情報システム工学科教授(本データはこの書籍が刊行された当時に掲載されていたものです)
※書籍に掲載されている著者及び編者、訳者、監修者、イラストレーターなどの紹介情報です。