第I部 どんな思考に基づくか：発想編
第1章 複素ニューラルネットワークはエレクトロニクスを豊かにする
1.1 右脳に学び，右脳を超える
1.2 情報表現の方法を豊かにして「スーパー・ブレイン」を創り出そう
1.3 応用分野はどんどん広がる
1.4 本書の構成
第2章 ニューラルネットワークの考え方
2.1 脳，人工頭脳，人工知能（AI），ニューラルネットワーク
2.2 脳機能の身体性
2.3 ニューラルネットワークの特徴
第3章 複素ニューラルネットワークとは？
3.1 複素数とは何か
3.2 複素数と実数のフィードフォワードニューラルネットワークの比較
3.3 ニューロンの活性化関数
3.4 複素空間でのメトリック
3.5 複素数の情報とその処理は，何を意味するのか？
3.6 複素ニューラルネットワークはどのような場面で役立つか？
3.7 複素ニューラルネットワーク研究のこれまでの展開
第4章 ニューラルネットワークの構成と動作
4.1 ニューロンが行う処理と学習・自己組織化
4.2 ヘブ則
4.3 連想記憶
4.4 関数近似
4.5 適応的クラスタリングと多次元情報の可視化
4.6 マルコフ・ランダム・フィールド推定ネットワーク
4.7 主成分分析
4.8 独立成分分析
第II部 どんなことに役立つか：活用編
第5章 でこぼこ具合も取り込んだ地表区分地図の生成
5.1 干渉型レーダ
5.2 CMRFモデル
5.3 CMRFモデルと複素ヘブ学習則
5.4 CSOMによる画像区分システムの構成
5.5 適応区分地図の作成
5.6 むすび
第6章 対人プラスチック地雷を可視化するレーダ・システム
6.1 電磁波による地中探査
6.2 周波数領域データも活用するCSOMプラスチック地雷可視化システムの構成
6.3 複素自己組織化マップによる適応的信号処理
6.4 対人プラスチック地雷の可視化
6.5 むすび
第7章 位相特異点除去によるディジタル・エレベーション・モデルの生成
7.1 位相アンラッピング
7.2 複素セルラー・ニューラルネットワークによる雑音除去
7.3 システム構成
7.4 位相特異点の削減の様子とその効果
7.5 ディジタル・エレベーション・モデルの品質と作成のための計算コスト
7.6 むすび
第8章 光キャリア周波数に依存した想起を行う光波連想記憶
8.1 光ニューラルネットワークにおける広大な光周波数帯域の有効利用
8.2 光キャリア周波数依存の連想記憶：その動作
8.3 光学系の構成
8.4 周波数依存の学習
8.5 光キャリア周波数に依存した想起
8.6 むすび
第9章 光波位相の適応等化器
9.1 システムの構成
9.2 光学系の構築
9.3 出力位相値の学習方法
9.4 位相等化性能
9.5 むすび
第10章 キャリア周波数を動作モード変調の鍵とする発展学習
10.1 発達，文脈依存性，能動性，発展学習
10.2 ネットワーク構成と人－自転車モデル
10.3 自転車に乗る課題に関する発展学習の様子
10.4 むすび
第11章 周波数領域で位相スペクトルを適応制御するピッチ非同期音声波形生成
11.1 波形の継ぎはぎにおけるピッチ同期方式と非同期方式
11.2 時系列スペクトル生成型の非同期システムの構成
11.3 パルス性の最適化の操作
11.4 音声合成結果の評価
11.5 むすび
第12章 マルチパス環境での通信チャネル予測
12.1 マルチパス環境とチャネル予測
12.2 周波数領域と時間領域
12.3 複素ニューラルネットワークによるチャネル予測
12.4 むすび
第13章 偏波合成開口レーダにおける適応的な土地状況区分
13.1 偏波合成開口レーダ
13.2 ストークスベクトルとポアンカレ球パラメータ
13.3 四元数ニューラルネットワークによる分類
13.4 JAXA人工衛星ALOSのデータの処理結果
13.5 むすび
あとがき
参考文献
索引
第1章 複素ニューラルネットワークはエレクトロニクスを豊かにする
1.1 右脳に学び，右脳を超える
1.2 情報表現の方法を豊かにして「スーパー・ブレイン」を創り出そう
1.3 応用分野はどんどん広がる
1.4 本書の構成
第2章 ニューラルネットワークの考え方
2.1 脳，人工頭脳，人工知能（AI），ニューラルネットワーク
2.2 脳機能の身体性
2.3 ニューラルネットワークの特徴
第3章 複素ニューラルネットワークとは？
3.1 複素数とは何か
3.2 複素数と実数のフィードフォワードニューラルネットワークの比較
3.3 ニューロンの活性化関数
3.4 複素空間でのメトリック
3.5 複素数の情報とその処理は，何を意味するのか？
3.6 複素ニューラルネットワークはどのような場面で役立つか？
3.7 複素ニューラルネットワーク研究のこれまでの展開
第4章 ニューラルネットワークの構成と動作
4.1 ニューロンが行う処理と学習・自己組織化
4.2 ヘブ則
4.3 連想記憶
4.4 関数近似
4.5 適応的クラスタリングと多次元情報の可視化
4.6 マルコフ・ランダム・フィールド推定ネットワーク
4.7 主成分分析
4.8 独立成分分析
第II部 どんなことに役立つか：活用編
第5章 でこぼこ具合も取り込んだ地表区分地図の生成
5.1 干渉型レーダ
5.2 CMRFモデル
5.3 CMRFモデルと複素ヘブ学習則
5.4 CSOMによる画像区分システムの構成
5.5 適応区分地図の作成
5.6 むすび
第6章 対人プラスチック地雷を可視化するレーダ・システム
6.1 電磁波による地中探査
6.2 周波数領域データも活用するCSOMプラスチック地雷可視化システムの構成
6.3 複素自己組織化マップによる適応的信号処理
6.4 対人プラスチック地雷の可視化
6.5 むすび
第7章 位相特異点除去によるディジタル・エレベーション・モデルの生成
7.1 位相アンラッピング
7.2 複素セルラー・ニューラルネットワークによる雑音除去
7.3 システム構成
7.4 位相特異点の削減の様子とその効果
7.5 ディジタル・エレベーション・モデルの品質と作成のための計算コスト
7.6 むすび
第8章 光キャリア周波数に依存した想起を行う光波連想記憶
8.1 光ニューラルネットワークにおける広大な光周波数帯域の有効利用
8.2 光キャリア周波数依存の連想記憶：その動作
8.3 光学系の構成
8.4 周波数依存の学習
8.5 光キャリア周波数に依存した想起
8.6 むすび
第9章 光波位相の適応等化器
9.1 システムの構成
9.2 光学系の構築
9.3 出力位相値の学習方法
9.4 位相等化性能
9.5 むすび
第10章 キャリア周波数を動作モード変調の鍵とする発展学習
10.1 発達，文脈依存性，能動性，発展学習
10.2 ネットワーク構成と人－自転車モデル
10.3 自転車に乗る課題に関する発展学習の様子
10.4 むすび
第11章 周波数領域で位相スペクトルを適応制御するピッチ非同期音声波形生成
11.1 波形の継ぎはぎにおけるピッチ同期方式と非同期方式
11.2 時系列スペクトル生成型の非同期システムの構成
11.3 パルス性の最適化の操作
11.4 音声合成結果の評価
11.5 むすび
第12章 マルチパス環境での通信チャネル予測
12.1 マルチパス環境とチャネル予測
12.2 周波数領域と時間領域
12.3 複素ニューラルネットワークによるチャネル予測
12.4 むすび
第13章 偏波合成開口レーダにおける適応的な土地状況区分
13.1 偏波合成開口レーダ
13.2 ストークスベクトルとポアンカレ球パラメータ
13.3 四元数ニューラルネットワークによる分類
13.4 JAXA人工衛星ALOSのデータの処理結果
13.5 むすび
あとがき
参考文献
索引
