ニューロコンピューティング

飯の種は花咲きますか？

気の迷いで一回くらい研究したことある方いないの？
恥ずかしがらないで、出てきてごらん。

気の迷いで研究するようなものなのか？
たしかに飯の種にはなりにくいけど。

ニューロより他の分野の人がニューロを利用した何とかってので
てきとーな実験やって論文かいてたりしない？

今となっては気の迷いで参入するのは遅すぎ。
そういう学生（こういうのに限って不勉強なんだな）を説得する
のはちょっと面倒なんだけどね。

たしかに。でもいまいち使えない。（泣）

正しい理論だと証明されているの？

ニューロを求めるお客さんはニューロ技術を求めてるわけじゃないから
お客さんの業務をコンサルできなければだめ
数式処理じゃ解決できなくて求めてくるわけだからね

あと、研究者気質でアルゴリズムや計算スピードを改良したがる人もだめ。
お客さんにとっては、そんなのどうでもいい問題だから。
データクリーニング、データの選び方を工夫する方が効果あるよ

１さんではないんですが、
卒研でニューロコンピューティングを利用した○○って感じのものを
やることになりました。
そんなに将来性のないものなんですか？

必然性がある（ストレートなやり方ではOptimalな解を求めるのが
無理なとき）場合、その問題に対して用いるのはまったく持って
普通のことであって、将来性云々の問題ではないと思う。

タンパク質二次構造予測とかあの辺りは、結構需要あるんじゃないの？

11 さんではないですが。
ニューロが成功を収める、あるいは最適解を得るのが困難
である場合の準最適解を求める手段として有効と考えられる
（適用が割と容易な、という程度の意味です）分野や問題って
どんなのがありますか？

>12
生物系とかでのニューロコンピューティング利用の話って聞いているとそうらしいですね。
30億対の4進数データの塩基の中から類似的な物を取り出し（なんでも40%程度の類似度で非常に高い類似性があると考えられるそうな）、その特徴を抽出すると言う事で、二次構造予測に限らず遺伝子の特徴抽出やある性質の遺伝コード決定なんて所など結構幅広くニューラルコンピューティングやHMMなどが利用されているそうです。

そんな感じで、例えば人間が扱うにはちょっと手におえないデータ数とかが相手で、そこから何か傾向を割り出そうとした場合（しかも線形的な相関ではなくかなり奇妙な相関とか）にニューロ屋さんが出てくることになりそうです。
あと、カオス屋さんとかか。（笑

視覚データ情報、データマイニング方面でもニューロコンピューティングを使ってどうにかしようと言う人もいたような。
当のニューロコンピュータ屋さんは脳の方に興味が移ったりしていて、大脳生理屋さんと一緒になってPETやfMRIをまわしたりしています。

でも、飯の種まで行き着くかは分からないねえ。（苦笑

>14
そうですね。
あの辺りの問題ドメインに関わる人は、二種類いるみたいで、
クラシックなAI的手法を用いる（より「賢い」ヒューリスティック
関数を研究したりする）人と、HMM、ANNなどの確率論的アプローチ
をとる人がいます。
うちの学校でもそういった二人の教授がいて、どっちに師事しようか
考え中。

ニューラルネットワーク、カオスと言えば北大の津田一郎教授と東大の合原一幸教授ですね。
お二人について何でもいいので誰か情報下さい。

ニューロコンピューティングは通産省が９３年から１０年で１０００億円かけて
やってるリアルワールドコンピューティング計画にも組みこまれてますよ。
次世代のコンピューターを作るプロジェクトです。
コンピューターがあいまいな情報を処理するためには不可欠な技術でしょ。
現実世界の情報を扱うには当然必要になってきますねニューロは。
実用化されるのは３０年後ぐらいかな。

> 実用化されるのは３０年後ぐらいかな。
してその根拠は？
そもそも実用化とはどのレベルのことを言うの？
実習でいくつかソフトウェアとして実装したけど、なんか
根本的なモデルに進歩がないとブレイクスルーはない気がするな。

ニューラルネットワークがおもしろそうだな〜と思ってるんですけど、
だめ?

＞１９
過度な期待をせず、地道な工学としてならば面白いと思う。
一回何か実装してみれば？

実際にはどういう計算機になるのでしょう？
ＯＳもアプリもない…
どうやって使うの？

でもさあ、ニューロコンピューティングって言ったって今の技術じゃ
所詮出来るのはパターン認識とか自動制御ぐらいでしょ。それだけじゃつまんないよね。
やっぱり工学的な応用を考える前に、まず基礎理論を研究しないと駄目じゃない。
応用数理で脳のモデル作ったりとかさ。

＞２２
みんなそうしたいのは山々だが、金が出ない（笑）

＞２１
いきなりハードから作る方に飛ばなくても、とりあえずＪＡＶＡ
でも何でもいいから、基本的なもの（それこそバックプロパゲーションとか）
書いてみて、何となく雰囲気をつかめば、落胆するか、はまるかの
どちらかでしょう。

ニューロって学会あった? GAはまだなかったよね、たしか。

求められているのは、基礎理論の進展とかではなく、
いかに幅広く利用していくかということではないですか。

パソコンの PCI スロットにささるモジュールなんか出ませんかね。
規格化して、広く一般に利用されるに従って、用法も爆発的に
生まれるのではないでしょうか。そのうち、3D アクションゲーム
の複雑な計算を、いいかげんに近似しちゃったりするのにも
使われたりして。

PCIカードは昔はありましたね。チップを作ってるトコもあります。
ハード化するのは学習速度が欲しいからですが、今はＣＰＵが速いですからね..
学習ではなく認識の速度はとくに速いのでハードは不要です。
それでもなおハードで高速化したい、という需要は数として少ないので
利益が出るほどにはいかないでしょう。

>>24
学会じゃないけど、IEEEの電気電子情報学会論文で、
よく特集やってた。

電子情報通信学会のニューロコンピューティング研究会よりこっちの方が本命じゃない。
日本神経回路学会http://jnns.inf.eng.tamagawa.ac.jp/
こっちの方が基礎研究っぽいけど。
甘利俊一とか国際的にもかなり有名だよね。
連想記憶のモデルとか何とかだっけ。
やっぱりニューロコンピュータやるにはまず脳の研究が必要なようだね。

なんかニューラルネットやることになってしまったよ・・・
タンパク質の三次構造関連で。結構使われてるんだね、この分野では。
もっとしっかり勉強しとけばよかった。

あ、間違えて下げてしまった。
しかし、ニューラル関連は、重厚長大なイメージを持つ人が多いみたいだけど、
結果得るためにこき使うプログラムは、地道で泥臭いです（笑）

＞29

そっち出すなよ、完全に基礎研究なんだから、
なんだったら、会長さんここに連れきてくる？
財務は後方５ｍにいるぞ(笑)。

ほっぷふぃーるど〜萌

日本でタンパク質の二次構造-->三次構造の予測にニューラル使っている
研究しているところってどのくらいあります？

さるの頭，カッチーン　をもっとやれ

SAS社がEnterprise Minerというのをつくっているけれど、
あれってニューラルネットワーク？
ちゃんとしているのかわかるひといませんか。

だれも使っていませんか＿？

ニューロなどのAI技術は、必ず次々世代のキーテクノロジーになるから、
ドンキホーテと言われようが、
マジ頑張って欲しいです＞研究してる方

AIを開発しないと、今のITと同じように
安全保障や金融などの根幹を米国に握られることになるな。

ああ、ここにもアホが。

マジな質問なんだけど、ファジー理論、ニェーラールネットワーク、ＧＡ遺伝的アルゴリズム、
画像認識、音声認識のなかで、卒研やるとするとどれがいいと思う？？
今週、卒研なにやるか決めるらしくてたぶんこのなかのどれかから選ぶっぽいんだけど、
論文書きやすそうなのってどれかなあ。
とりあえず人工知能に興味ないから卒業できればいいんだけどさ。

＞４１
音声認識は素人考えながらやった方がいいのでは？
これから出てくる携帯とかでも音声認識をつかった便利な
機能が出てきそうだし。例えば通訳とか？

＞４２
通訳では無く、翻訳ね。

同時通訳はＭ大のやてるのてりぇびぃでやてたよぉ〜

ＧＡなつかしい・・
今だに生き延びてるのか・・・

今週は休みだった。だから来週決めると思うけど、
やっぱ音声認識が一番いい？

辞書作るときに使ったな。

つーか人工知能って言ったら普通知識工学だろ。
人工ニューラルネットワークは数理工学だろ。
ぜんぜん別物だっちゅーの。

エージェント指向ってどの程度進んでるの？

ニューロと言えば通産省のリアルワールドコンピューティングプログラムはどうなった？
第五世代コンピュータ計画の後継プロジェクトの奴。

知識工学ってエキスパートシステムじゃないの？
図書館情報学と結構重なっていたような気が・・・。

どうでもいいけど、最近丸善から出た「知識モデリング」は面白かった。

>>49
エージェント指向といえば日本ソフトウェア科学会の全国大会が
必見。近くにプロシーディングズがおっこちてたら、近年のを
みてみてみ。

え、なんで下げてるの？

>>53
あ、ほんとだごめん別のところで書いたクッキーのこってた。

ちなみに52で書いた必見のやつの題名は
「マルチエージェント批判」シリーズ。去年は「４」だった
と思う。とにかく強烈な煽りはすごい。
専門外だから、イマイチ内容はよくはわからないんだけど、
とにかく迫力はつたわってきて面白いよ。

ううむ。あさって、修論の提出締め切りだ！
ニューラルネットワークによる構造物の最適設計。
でも、そんな話は、あんまり聞かないねぇ。結果もよくないし。教授がいらんこと言うからだけどさ。
そうそう、学習のスピードなんたらって関係ないですよねぇ。

>>55
まったく聞かない話でもないと思うぞ。本も出てるようだし。
Neural Networks in the Analysis and Design of Structures. (CISM International Centre for Mechanical
Sciences, Nr.404) 2000, 307 pp. (Springer) ISBN 3211833226 ￥10,300

> そうそう、学習のスピードなんたらって関係ないですよねぇ。
BP使ってるのかな？学習の速度を上げる改良手法は昔から色々提案されてるし
(どの程度効果があるかは知らないけど)、計算機の速度も上がってるから将来的
には問題なしと言って逃げる手はあるけど。

あう。本全体がそういう話ではなかった。
逝ってきます。

＞56
をを！ありがとうございます。
私はＢＰを使っていますが、今の時代、ＣＰＵのキャッシュのおかげで、一概にどれが計算時間が早いっていえないんですよねぇ。

ニューラルネットワークで関数近似をやる場合、その近似精度の評価尺度としてどのようなものをつかったらいいんですかねぇ。？？？
誰か教えてください。

今から、卒論のシステムにニューラルネット組み込んでみます。
あんまり知識ないけど、パッと見た感じΣの式が並んでるだけだから
３日もあれば、理解＆プログラムまで組めますよね？

ホントかっっ

BPで，隠れ層の数とか定数とかを上手く決めてやる
指針って無いんでしょうか？基本的に試行錯誤？

理解はともかくプログラムは問題無いでしょう。

へへへ、３日じゃ無理でした。

>59
NNの性能評価によく使われるのは正規化平均二乗誤差です.
他にもあるとは思いますが. 汎化性能も評価するんであれば
（というか, これをしなければあんまり意味もないんですけど）
クロスバリデーションとかもやっておきましょう.

アルゴリズムの比較を行うつもりなら, DELVEという評価ツールを使うのが
いいと思います.
http://www.cs.toronto.edu/~delve/

>62
googleで「モデル選択」というキーワードで検索すれば,
それっぽいのがヒットすると思います.

>>62
ありがとうございます．調べてみます．

>>66
すいません．間違えました。
66さん、ありがとうございます。

>37
>SAS社がEnterprise Minerというのをつくっているけれど、
>あれってニューラルネットワーク？
>ちゃんとしているのかわかるひといませんか。

一応使える環境にあります。使い込んではいませんけれど。

NeuralNetwork"も"使えます。
Perceptronです。自分でNeuronを配置し、ぐりぐりと結線してあげます。
用意されたDataに対して、学習に使用する率、評価に使用する率を決めてあとは処理をさせる。

他には、回帰分析とか、決定木とか使えたような。
基本的に、I/Fが使いやすいただの計算ソフト。

# SASの技術だか営業だかの人にNeuralNetworkのmodelについて質問したら、「BlackBoxです。」と返されてしまった。
# それじゃ使えないって。　結局、manual調べたら書いてあった。

>62
>BPで，隠れ層の数とか定数とかを上手く決めてやる
>指針って無いんでしょうか？基本的に試行錯誤？

2値modelに関してはだいぶ研究が進んでいるけれど、連続値modelに関してはまだまだという感じ。
ちょっと古いけれど、1998年9月号の「数理科学 - 特集:モデルとモデリング」の「ニューラルネットワークによるモデル化と学習の理論」というのを読んでみると面白いと思います。

age

>>BPで，隠れ層の数とか定数とかを上手く決めてやる
>>指針って無いんでしょうか？基本的に試行錯誤？

一応突っ込んでおくと, 隠れ層の数を決めるのはMLPに対してであって,
BPに対して, ではありませんよね. BPはMLPのパラメータを調整するための
方法の一つに過ぎないわけですから. けれど, 隠れ層の数と学習アルゴリズムが
関係ないかというと, そうでもないわけで.

例えば, 「射影学習法」というのを使えば, 隠れ層のユニット数がある程度
以上であれば, 予測精度が変わらないという話です（僕はあまり詳しくないので,
誰かフォローしてくれませんか？）.　けれど, BPを使う場合は, ちゃんと
ユニットの個数を制限しないと過学習に陥ってしまいます.

結局, 何をもって学習とするか, という所から話は始まるわけです. もっと
ちゃんと書くと, 関数近似（あるいは回帰問題）に関してのみ言えば,
MLPに限らずNNの学習は「データから決まる目的関数をネットワーク
パラメータについて最小化する」と言えます. その目的関数がいろいろあるので,
それに応じて「ユニットの数をいくつにするか」という問題に対する
解決法もいろいろ存在するわけです.

「目的関数」と簡単に書きましたが, その関数を用いるその背後には,
「学習はこういうものだ」という信念（？）も含まれています.
個人的には, そのバリエーションは, それほど多くないと思っているのですが.
前述した射影学習法とBPとでは学習に対する信念がそもそも違うんですね.

長くなったのでとりあえずここまで. 気が向けば続きを書きます.
書いてるうちに修正したい箇所を発見したのですが, 誰かがつっこんで
くれるのを待つことにします（矛盾のある文章になってしまったかなあ...）.

62さんへの具体的な回答にはなってませんでしたね. すいません.

ここ見てると, MLPってよく使われてるんですね.
RBFとか混合ガウス分布とか使っている人いませんか？
RBF使っている人がいたら, ユニットの中心をどうやって
決めているのか教えてほしいです. 特に実用的な問題に
使っている人からの回答があればいいな.

GAやEPを使って中間層ユニット数を決定するっていう研究を教授にやらされています。
何年か前はBPは収束が遅くてわずらわしいって言われてたみたいで、
こういう研究が流行ってたらしいんですが、CPU性能が上がってきた現在ではあんま意味無いと思うのですが。
似たような研究してる人いましたら、意見を聞かせてください。

似たような研究をしているわけではないのですが, 意味のない
研究じゃないと思いますよ. だって, 最適な中間層ユニット数の
決定は, 学習の速さというよりも汎化能力の問題ですから.

>72
>例えば, 「射影学習法」というのを使えば, 隠れ層のユニット数がある程度
>以上であれば, 予測精度が変わらないという話です

射影学習法の参考資料を教えてください。

ニューラルネットと脳の計算は別のものです。
もう、ニューラルネットって呼ばないでほしい。BPでいいじゃん。
（学生のころ、そう感じました。どちらかというと脳の計算の研究がしたかった。）

いろいろ参考になりました．ありがとうございます．

残念ながら私はもう卒業してしまうので
せっかくいろいろ教えていただいたのに私の研究に生かすことはできませんでしたが，
引き継ぎの文書にここで教えてもらって調べたことを書いておきました．

>>76
とりあえず, 今, 手元にあるのは

小川, ニューラルネットワークと汎化能力, NC95-8, 1995.

です. けれど, 学習法の導出については載っていないので, ここから
適当に文献をたどる必要があると思います.

>>78
卒業されるということで, どうもお疲れ様でした.
モデル選択の方法にもAIC, BIC, NIC, SIC, MDLなどなど, いろんな方法が
あるので理解するのは大変かも. 僕はAICの導出しか知りません.
まだまだ修行が足りませんね.

BPってなに？

>>79
ありがとうございます。
早速見てみます。

>>80
階層型ニューラルネットワークの代表的な学習法です。
ニューラルネットワークの入門書には必ず紹介されています。

すんげー気になる。

ニューラルネットは近いうちに、確率推定モデルの一手法という立場
になると思います。

あげ

脳みそﾊｧﾊｧ しなぷすﾊｧﾊｧ age

僕はニューラルネットワーク（BP）をやりたいとかんがえているんですが、
もし良い参考書があるなら教えてください。

あと、もし株価の分析にニューラルを使うならば（株価予測）
現在はニューラルの中でも何が１番利用されているんでしょうか？

>>86
俺はいい本知ってるんだが、相当前のことなので忘れた。まあ図書館にでも
いけば君に合う本の一冊くらいは見つかるよ。あとニューラルネットをやりたい
とはどういうことなのか？PCで再現したいということか？それならたしかCで
作るニューラルネットみたいな本があったとは思うが、正式タイトルは忘れた。
でもBPの原理を知りたいのならまず最低でも微積分が必要。この学習が先だな。
さらに株価予測に使うなんてあんまし考えないほうがいいと思う。誰でも考える
ことだし、まあ細かく言うと長くなりすぎるから言わないが、要するにニューロの
前に予測というものを良く考えたほうがいいと思う。
マジレスしてしまった！

>>86
○川大学の○田助教授(新婚)に相談しなさい。
数学畑出身だが、現在は生体工学系という稀有な存在の人。
たぶん喜んで一日かけて講義してくれるだろう。

>>87
マジな話、最低限メジャーなプログラムに使われている
伊藤の公式位あげてやれ。

三大妖怪の一人？＞○川大学の○田助教授(新婚)

age

富士通萌え

カオス的遍歴ってなんですか？

不完全性定理、計算不可能性、非線形、カオス、複雑系における創発
これらが神経回路網に知能を与える要因なのでしょうか？
量子力学における非決定性が複雑系の自己組織化機能によって複雑化、
組織化される事によって、たんなる自動機械ではない自由意思を人間に
与えるのでしょうか？
そうだとすると、コンピューターが人間並の知能を持った時それは
決して間違いを犯さない完璧なマシーンではなく人間と同じように
悩み苦しみ間違いを起こす、人間的な機械になるのではないか？
どうでしょう？
少し哲学的すぎましたかね。

脳研究は21世紀のフロンティアだね。
飯の種が咲くのは22世紀かな？

いっぺんに表示できるスレの数も変わったみたいだし。

ニューラルネットの研究してる人いますか？

サポートベクターマシーンのパターン認識、学習理論の研究してるよ。

これが最近、パラメータチューニングを十分に施した多層パーセプトロンに劣らない性能を発揮することが判明。

それが単純な線形識別関数と符号関数だけで構成されるんです。

数理的に人工知能を研究したい人にはお勧めですよ。

>>97
参考リンクをしてけれ

>>97
サポートベクターマシーンって何ですか？

　

EMアルゴリズム、サポートベクターマシンが今の数理人工知能の主流。
BPに拘る人は数学ができない（あるいは新しく勉強するのが
めんどくさい）から使ってる人が多い。

サポートベクターマシンは全てのサンプルを最適な形で
分割できるようなパラメータを推測するモデル。
パターン認識に使われるけど、実際はもっと適用範囲が広く、
RBFなんかも概念的に含む。

EMアルゴリズムは確率モデルの隠れ変数を推測するための
アルゴリズムで本質的にはBP、ホップフィールド型などの
ニューラルネットもこのアルゴリズムから導出できる。
音声認識には必須のHMMもこのアルゴリズムを利用している。

俺も学部の時はBPから入ったクチだけどもっと早くこういう
のにであってれば良かったよ。あと数学ももっとまじめに勉強
しとくんだったと後悔。

ビジネス適用事例は、非常に少ないのが現状。ただし、カードなどの
不正利用検出では利用されています。株価予測などにも利用が試行され
たが、現在ではほとんど利用されていない。
適用分野は減少しているのが現状。ただし、考え方が悪いということで
はなく、技術の進歩とともに新たな適用も可能となってくる可能性は
ある。データマイニングの分野ではほとんど利用されなくなってきて
います。一番の問題点は、理由が見いだせないこと（ブラックボックス
であること）にあります。

あげ

ニューラルネットワークは卒業研究でやった。（１９９３年度）
研究室の教授がやってたので。
でも途中で遺伝的アルゴリズムを見つけて、自分で勝手に
やっていた。でも、９３年当時は参考書なんて何もなかったので
図書館の書庫にもぐりこんで、雑誌サイエンスに載っていたアメリカの
論文を読んでた。
ニューロにしろ、遺伝的アルゴリズムにしろ、実用には
なってないよね。
というか、所詮コンピュータには人間の脳を真似ることなんて
無理なのさ。
就職活動の最中、日本たばこ産業がタバコの葉のブレンドを決めるのに
遺伝的アルゴリズムを使っていると、パンフレットに載っていた。

>就職活動の最中、日本たばこ産業がタバコの葉のブレンドを決めるのに
>遺伝的アルゴリズムを使っていると、パンフレットに載っていた。
「なぜ、そのブレンドが好まれるのか？」という「好まれる理由」は考えずに、
「単に好まれるブレンド」を決めるのであれば、利用は可能ですね。
「好まれる理由」は・・・・ブラックボックスです。

競合型ＮＮと階層型ＮＮの違いは？

age

>106
まさに、本をよみましょう！！

当方ニューロコンピューティングに興味があるのですが、
何かニューロコンピューティングでおすすめの本(できれば
入門書)を紹介していただけるとありがたいです。

>>104
> というか、所詮コンピュータには人間の脳を真似ることなんて
> 無理なのさ。

ってか、真似て具現化出来る範囲に限界があり実用用途が乏しいってとこが実情です。

猫研age

おい磯野！
こんなところで遊んでるんじゃない！

名古屋工業大学の中野良平教授って有名？

デスクトップにイーサネットカードを増設しました。一台はすんなりOS標準の
ドライバが自動でインストールされて後正規のドライバに変えました。
ところがもう一台は、スロットにささっているのは認識するものの、OS標準の
ドライバはインストールされず正規のものも適合ドライバとして認識して
くれません。そのデスクトップを試しにWIN２KからXPにアップグレードして
みましたがやはり同じです。何か良い解決法ないでしょうか？

ニューラルネット　　　＝ 関数近似、（非線形）重回帰
遺伝的アルゴリズム ＝ 性能のいいサイコロ

が一年間研究してみて得た結論。
いや、でも便利ですよ、使いようによっては。

あげ

>>114
BIOSの設定をいじくってみるとか。

>>79
文章を読んでいると修行が足りないというより，理解力が足りないみたいだから
あきらめたほうがいいと思う．

>>60
大学院生でそんなことを聞いているのなら
もうだめだろう．．．

間違えた>>62だった

>>119
なら、定性的に美しく一発で決定する方法を教えれ。
参考文献ものっけれ。

ニューロンの構造は遺伝的アルゴリズムで決める。
ニューロジェネティック！！

>>122
山勘じゃん。

ここにもおいで
脳の情報処理を語るスレ
http://jbbs.shitaraba.com/study/bbs/read.cgi?BBS=18&KEY=1009043757

うーん、恥ずかしいカキコを思い出してしまった

ニューロンとシナプスの関係を式にあらわしたよ

ネイチャーにダス　論文

すごいねぇ
載ったらみてみたいなぁ
でも、それってマカロピッツのようなものとか
そういう

ごめんなさい　嘘です

>>126
そもそもお前はNatureを一度でも読んだことがあるのかと問いたい。
問い詰めたい。小一（略

やっぱりニューラルネットワーク理論やるならMathematicaとか
Javaより、スピードの出るCとかMatlabのほうがいいんですか？
それとももっといい言語とかあるの？

Matlabって早いの？
行列計算は速そうだけど
所詮はインタープリターって気がします。

でも、プログラミングは楽だよ

ニューロコンピューティング
R.ヘクト・ニールセン 著
袋谷賢吉 訳
アジソン ウェスレイ・トッパン
ISBN4-8101-8035-2 C3055 P6200E

あたりはどうスカねぇ。

これから研究の関係でニューラルネットをプログラミングしないといけないんだ
けど、C++かJAVAかで迷ってる。俺C++派でJAVAしらないんだけど、C++って動的
２次元配列を作れないからってな理由でJAVAにしようかと考えてる。でもJAVAって
信じられないくらいに遅いんだよねぇ・・・。どうしよう・・・。

>>134 C++って動的２次元配列を作れない

Neumerical Recipies for C
の付録に載っている、ポインターを使った多次元配列じゃいかんの？
Javaも結局同じ事しているんですけど。

Javaも場合によってはC++並みに。
繰り返し処理にはHotSpotがよく効く。
ニューラルネットワークも繰り返し多いはず。

s/for/in/
ね。

Ｃ++で行列演算つかうならMTLとかは？

この分野の実用例ってありますか？
ぼら利ティー計算とか？

こっそりだな

ひっそりですね

堂々としろよ

まったりですね。

神経細胞は忠実に実現できるものなの？

ホジキンはクス例ならOK

忠実なモデルという意味はなかなか妙である

みよー

結局なにができるの？

ニューロチップって、あまり表に出てこないみたいだけど
まだ、研究段階なんですか？実用上何か壁でもあるんですか？

結線が大変でニューロン数をなかなか増やせなくて実用にならないとか聞いた。

いまホジキンハクスレイの論文読んでるよー　ヽ（´ー｀）ﾉ
目から鱗落ちまくり。

>>150
レスありがとうございます。
何変数入力なんだろう？
調べてみます。

>>151
どんな論文なの？

ホジキンよりも森田

森田っていっぱいいてだれかわかんない

>>150
なん乳論くらいならばOK？

音声認識システムに対する利用者からの不満の声は大きく，
その要因の一つが「利用者にとって予想外/理解不可能なシステム挙動」
「その特性が人間とかけ離れているシステム動作」である。

sage

あげ

セージが大切になるということがある