機械学習と回路―脳回路の実現に向けて [単行本]

機械学習と回路―脳回路の実現に向けて [単行本] の 商品概要

• 目次

  1．機械学習と回路基礎
  1.1　言葉の定義
  1.2　回路素子
  　1.2.1　節点電圧と枝電圧
  　1.2.2　電源
  　1.2.3　受動素子と能動素子
  　1.2.4　抵抗素子
  　1.2.5　コンデンサ
  　1.2.6　インダクタ
  1.3　メモリスタとジャイレータニューロン
  　1.3.1　メモリスタ
  　1.3.2　メモリスタとHebb則
  　1.3.3　ジャイレータニューロン
  　1.3.4　Hebb則による誤差逆伝搬方式の回路表現
  　1.3.5　ジャイレータニューロン集合のクロスバー設計
  　1.3.6　ジャイレータニューロンの学習連想期間
  1.4　受動回路の解析
  　1.4.1　閉路と網路
  　1.4.2　回路解析の基本法則
  　1.4.3　キルヒホッフの法則
  　1.4.4　網路方程式
  　1.4.5　節点方程式
  　1.4.6　行列式の展開
  　1.4.7　重ねの理
  　1.4.8　電源の等価変換
  　1.4.9　RC回路と1階の微分方程式の平衡解
  　1.4.10　簡単なコンダクタンス回路のニューロン集合への置換
  　1.4.11　簡単なRC回路のニューロン集合への置換
  　1.4.12　RLC回路と2階の微分方程式の解と性質
  　1.4.13　RLC回路のニューロン集合への置換
  　1.4.14　正弦波定常状態の解析
  　1.4.15　ラプラス変換による解析
  　1.4.16　疑似インダクタLの実現
  　1.4.17　状態変数による解析
  2．フィルタと発振器の機械学習
  2.1　フィルタの機械学習回路
  　2.1.1　オペアンプ
  　2.1.2　状態変数フィルタ
  　2.1.3　状態変数フィルタの機械学習回路
  2.2　発振器の機械学習回路
  　2.2.1　発振の原理
  　2.2.2　機械学習回路における自律発振の意味
  　2.2.3　疑似インピーダンスZ(s)の実現
  　2.2.4　RC発振器
  　2.2.5　ターマン発振器
  　2.2.6　LC発振器
  〔1〕コルピッツ発振器
  〔2〕ハートレ発振器
  　2.2.7　負性抵抗発振器
  　2.2.8　アナログ演算による非線形アトラクタ発振器
  　2.2.9　アナログフリップフロップ型発振器
  3．連想写像と機械学習回路
  3.1　学習方程式
  　3.1.1　内積演算と活性化関数の意味
  　3.1.2　学習方程式と汎化能力
  3.2　誤差逆伝搬方式
  3.3　ニューロモルフィックコンピューティング
  3.4　機械学習回路の節点セルと活性化関数
  　3.4.1　節点セルと順伝搬処理
  　3.4.2　節点セルとカレントミラー処理
  　3.4.3　区分線形関数とOTA回路との関係
  　3.4.4　節点セルと逆伝搬処理
  　3.4.5　ブール関数の実数関数への対応と連想写像
  　3.4.6　抵抗変化型メモリの機械学習回路
  　3.4.7　抵抗変化型プログラマブルロジックアレイの機械学習回路
  4．畳み込み処理と機械学習回路
  4.1　計算グラフと自動微分
  4.2　畳み込みニューラルネットワーク（CNN）
  4.3　アナログセルラーニューラルネットワーク（A-CeNN）
  　4.3.1　テンプレートによる畳み込み処理
  　4.3.2　線形化ニューロンによるテンプレート学習
  　4.3.3　線形量子化の回路
  　4.3.4　畳み込み演算による画像処理
  4.4　長短期記憶（LSTM）と機械学習回路
  5．機械学習回路のSPICE最適化アルゴリズム
  5.1　機械学習回路の状態方程式
  　5.1.1　平衡点アトラクタの安定性の判定
  　5.1.2　飽和平衡解の定理の証明
  5.2　SPICEアルゴリズムによる機械学習回路の解析
  　5.2.1　回路素子の離散化表現
  　5.2.2　ニュートン法による順伝搬回路の解析
  　5.2.3　損失関数の最小化と逆伝搬回路の解析
  6．むすび
  引用・参考文献
  索引

• 出版社からのコメント

  低資源・低消費電力で注目されるアナログ回路を用いた機械学習について解説。アナログ回路を用いた脳回路の実現を目指す。

• 内容紹介

  【本書の特徴】
  科学技術立国としての日本が再生し、成長を実現するためには、半導体集積回路の設計・製造の新分野において、学生を含む若い世代の研究開発者が創発的な新しい回路技術を生み出すことが重要である。
  本書では、回路の各節点にニューロンを配置し、ニューロン間のシナプス素子として可変化できるメモリスタ（可変抵抗素子）を含む基本回路について論じる。本書を通じて、読者が[回路は工学の言語である]ことを認識して頂くことの一助となることを願う。
  
  【構成と読みかた】
  1章では、機械学習回路(CellularFlow)の基礎理論を記述する。Hebb則による学習の回路表現とジャイレータ・ニューロンについて論じる。読者は、１章の内容をしっかり理解することが最も重要である。読者は、少し理解に苦労すると思われる。回路の入力と出力が逆転し、流れる電流が逆方向となる複雑さがあるからである。読者は、節点方程式の回路構造がアナログ計算機となることを理解する。
  ２章では、フィルタと発振器の機械学習について述べる。読者は、アナログ演算回路では, 興奮性と抑制性のシナプスに対応して, その電流の方向を決定することが設計上重要となることを理解する。また、読者は、フィールドで設計した学習パラメータで回路の特性が決まることを理解する。
  ３章では、連想写像と機械学習回路について論じる。読者は、学習処理が、真理値表ルールと同等の対応機能で設計できることを理解する。また、読者は、回路の相互結合が、交点メモリスタの状態で形成されることを理解する。
  ４章では、畳み込み処理と機械学習回路について論じる。読者は、アナログ・セルラーニューラルネットワーク(A-CeNN) の帰還動作の重要性を理解する。
  ５章では、機械学習回路のSPICE最適化アルゴリズムについて論じる。読者は、並列処理可能な緩和法を含めた数値積分法を理解する。
  ６章は、本書のむすびである。読者は、抵抗Rが結晶状態によって可変となることの重要性を理解する。
  
  図書館選書
  低資源・低消費電力で注目される，アナログ回路を用いた機械学習について，基礎的な回路理論から解説。長年研究を続けてきた著者らが，「回路は工学の言語である」の理念のもと，アナログ回路を用いた脳回路の実現を目指す。

• 著者紹介（「BOOK著者紹介情報」より）（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）

  西尾 芳文(ニシオ ヨシフミ)
  １９８８年慶應義塾大学理工学部電気工学科卒業。２００９年徳島大学教授
  
  丹治 裕一(タンジ ユウイチ)
  １９９１年静岡大学工業短期大学部電子工学科卒業。２０１４年香川大学教授
  
  関屋 大雄(セキヤ ヒロオ)
  １９９６年慶應義塾大学理工学部電気工学科卒業。２０１６年千葉大学大学院教授
  
  萬代 雅希(バンダイ マサキ)
  １９９６年慶應義塾大学理工学部電気工学科卒業。２０１８年上智大学教授

機械学習と回路―脳回路の実現に向けて [単行本] の商品スペック