機械学習

はじめに
ニューラルネットワーク (Neural Networks)
1. ヘッブの学習則 (Hebb's Learning Rule)
2. 人工ニューラルネットワーク (Artificial Neural Networks)
3. 機械学習の歴史 (History of Machine Learning)
4. 神経伝達物質 (Neurotransmitters)
基本的概念
1. アトラクタ (Attractors)
2. 勾配降下法 (Gradient Descent Algorithm)
3. 教師あり学習・教師なし学習 (Supervised Learning, Unsupervised Learning)
4. 自己組織化 Self-Organization
5. 過学習 (Over-Learning)
6. 強化学習 (Reinforcement Learning)
多層ニューラルネットワーク
1. 深層学習，ディープラーニング (Deep Learning)
2. ConvNet
3. バックプロパゲーション (Back-Propagation Method)
4. パーセプトロン (Perceptron)
5. 畳み込みニューラルネットワーク (CNN)
6. ドロップアウト (dropout)
再帰型ニューラルネットワーク(recurrent neural networks)
1. 単純再帰型ニューラルネットワーク (simple recurrent neural networks)
2. LSTM (Long Short-Term Memory)
3. GRU (Gated Recurrent Unit)
4. エコーステートネットワーク (Echo State Networks)
機械学習:汎用性に関わる学習
1. 転移学習
2. マルチタスク学習
関連する統計的話題
1. ギブスサンプリング (Gibbs samplings)
2. ベイジアングラフ (Bayesian graph)
3. ベイズ推定 (Bayesian inferences)
4. ホップフィールドモデル (Hopfield models)
5. ボルツマンマシン (Boltzmann machines)
6. 制限ボルツマンマシン (restricted Boltzmann machines)
7. 確率過程 (stochastic processes)
8. 統計学習 (statistical learning)
9. 独立成分分析
記憶
応用的話題
参考文献