科学技術と共に歩む

1.　神経回路網による情報処理
1.1　神経回路網研究の経緯と現状

2.　生理学的知見と神経細胞のモデル化
2.1　脳の構造と機能
　　2.1.1　神経系の構造
　　2.1.2　小脳の構造と機能
　　2.1.3　大脳の構造と機能
　　2.1.4　大脳視覚系の機能
2.2　神経細胞の構造と機能
　　2.2.1　神経細胞の構造
　　2.2.2　神経細胞の機能──インパルス発生と伝搬
　　2.2.3　シナプス結合
2.3　神経細胞のモデル
　　2.3.1　神経細胞のモデル化
　　2.3.2　最も単純な神経細胞モデル──線形しきい値素子モデル
　　2.3.3　神経細胞モデルの拡張
　　2.3.4　可塑性のモデル化──Hebbの仮説

3.　神経回路網の自己組織化
3.1　学習の分類──教師あり学習と教師なし学習
3.2　パーセプトロン
3.3　バックプロパゲーション（逆伝搬法）
3.4　相関学習と連想記憶
3.5　直交学習とその能力
3.6　ヘッブ学習と認識機構の自己形成
3.7　トポロジカルマッピング

4.　ランダム神経回路の性質
4.1　単純ランダム回路の変換法則
　　4.1.1　活動度の変換
　　4.1.2　パターン分離度の変換
4.2　ランダム回路の巨視的力学
　　4.2.1　巨視的状態方程式
　　4.2.2　単純ランダム回路の活動度の力学
　　4.2.3　複数の回路網を結合した系の力学
4.3　ランダム回路のパターン力学
　　4.3.1　状態遷移図
　　4.3.2　ランダム回路の状態遷移図

5.　神経回路網のダイナミクス
5.1　エネルギー関数によるダイナミクスの解析
5.2　連想記憶のダイナミクス
　　5.2.1　自己相関連想記憶
　　5.2.2　平衡点の分布
　　5.2.3　想起過程
　　5.2.4　部分反転法
5.3　発振システム
　　5.3.1　2細胞の発振回路
　　5.3.2　堅い発振系
　　5.3.3　その他の発振回路
5.4　ボルツマンマシン
　　5.4.1　ボルツマンマシンの動作
　　5.4.2　ボルツマンマシンの学習
　　5.4.3　ボルツマンマシンの応用例
　　5.4.4　ボルツマンマシンの特徴
5.5　神経場のパターン力学
　　5.5.1　神経場
　　5.5.2　神経場におけるリバーベレーション
　　5.5.3　相互抑制場
　　5.5.4　相互抑制場による変換
　　5.5.5　相互抑制場でのパターン力学
　　5.5.6　多層の神経回路網における現象
5.6　競合と協調
　　5.6.1　並列情報処理と競合・協調
　　5.6.2　基本競合系
　　5.6.3　競合系としての条件
　　5.6.4　競合の様子
　　5.6.5　回路網のリセット
　　5.6.6　再考過程
　　5.6.7　競合過程の例──カエルの虫検出機構モデル

6.　モデルと応用
6.1　認識系のモデル
　　6.1.1　両眼立体視のモデル
6.2　記憶系のモデル
　　6.2.1　連想記憶とコーディング
　　6.2.2　海馬と記憶
　　6.2.3　海馬の機能とそのモデル化
　　6.2.4　モデルの構成
　　6.2.5　モデルの動作
　　6.2.6　シミュレーション
　　6.2.7　時系列記憶への拡張
6.3　運動系のモデル
　　6.3.1　小脳のパーセプトロンモデル
　　6.3.2　小脳適応フィルタモデル
6.4　ニューラルコンピューティングの応用例
　　6.4.1　巡回セールスマン問題への応用
　　6.4.2　バックプロパゲーションの応用

7.　ニューロコンピュータ研究の意義
7.1　脳の構成的研究
7.2　ニューロコンピュータの研究方法と将来性
　　7.2.1　概要
　　7.2.2　理論と応用
　　7.2.3　適用対象
　　7.2.4　研究の進め方

文献
索引