機械学習スタートアップシリーズ これならわかる深層学習入門
- 電子あり
内容紹介
おすすめの本
-
イラストで学ぶ 人工知能概論
-
電子のみ
無双航路 全3冊合本版 転生して宇宙戦艦のAIになりました
-
電子あり
マスターアルゴリズム 世界を再構築する「究極の機械学習」
-
電子あり
形を読む 生物の形態をめぐって
-
電子あり
AI時代の資本主義の哲学
-
イラストで学ぶ ディープラーニング
-
電子あり
ディープラーニング 学習する機械 ヤン・ルカン、人工知能を語る
-
電子あり
機械学習スタートアップシリーズ ベイズ推論による機械学習入門
-
電子あり
データサイエンスはじめの一歩
-
電子あり
イラストで学ぶ 認知科学
-
電子あり
AI原論 神の支配と人間の自由
-
イノベーターズ2 天才、ハッカー、ギークがおりなすデジタル革命史
目次
- 1章 はじめに
- 2章 機械学習と深層学習
- なぜ深層学習か?/機械学習とは何か/統計入門/機械学習の基礎/表現学習と深層学習の進展
- 3章 ニューラルネット
- 神経細胞のネットワーク/形式ニューロン/パーセプトロン/順伝播型ニューラルネットワークの構造/ニューラルネットによる機械学習/活性化関数/なぜ深層とすることが重要なのか
- 4章 勾配降下法による学習
- 勾配降下法/改良された勾配降下法/重みパラメータの初期値の取り方/訓練サンプルの前処理/
- 5章 深層学習の正則化
- 汎化性能と正則化/重み減衰/早期終了/重み共有/データ拡張とノイズの付加/バギング/ドロップアウト/深層表現のスパース化/バッチ正規化
- 6章 誤差逆伝播法
- パーセプトロンの学習則とデルタ則/誤差逆伝播法/誤差逆伝播法はなぜ早いのか/勾配消失問題,パラメータ爆発とその対応策
- 7章 自己符号化器
- データ圧縮と主成分分析/自己符号化器/スパース自己符号化器/積層自己符号化器と事前学習/デノイジング自己符号化器/収縮自己符号化器
- 8章 畳み込みニューラルネット
- 一次視覚野と畳み込み/畳み込みニューラルネット/CNN の誤差逆伝播法/学習済みモデルと転移学習/CNN はどのようなパターンを捉えているのか/脱畳み込みネットワーク/インセプションモジュール
- 9章 再帰型ニューラルネット
- 時系列データ/再帰型ニューラルネット/機械翻訳への応用/RNN の問題点/長・短期記憶/再帰型ニューラルネットと自然言語処理
- 10章 ボルツマンマシン
- グラフィカルモデルと確率推論/ボルツマンマシン/ボルツマンマシンの学習と計算量爆発/ギブスサンプリングとボルツマンマシン/平均場近似/制限付きボルツマンマシン/コントラスティブダイバージェンス法とその理論/ディープビリーフネットワーク/ディープボルツマンマシン
- 11章 深層強化学習
- 強化学習/関数近似と深層 Q ネット/アタリゲームと DQN/方策学習/アルファ碁
- 付録 確率の基礎/変分法
製品情報
製品名 | 機械学習スタートアップシリーズ これならわかる深層学習入門 |
---|---|
著者名 | 著:瀧 雅人 |
発売日 | 2017年10月21日 |
価格 | 定価:3,300円(本体3,000円) |
ISBN | 978-4-06-153828-3 |
判型 | A5 |
ページ数 | 352ページ |
関連シリーズ
-
ことばの意味を計算するしくみ
-
データサイエンスはじめの一歩
-
転移学習
-
応用基礎としてのデータサイエンス
-
詳解 3次元点群処理
-
入門講義 量子コンピュータ
-
現場で活用するための機械学習エンジニアリング
-
Juliaで作って学ぶベイズ統計学
-
はじめての機械学習
-
教養としてのデータサイエンス
-
ディープラーニング 学習する機械
-
これならわかる機械学習入門
-
Pythonで学ぶ実験計画法入門 ベイズ最適化によるデータ解析
-
絵でわかるネットワーク
-
絵でわかるサイバーセキュリティ
-
Pythonで学ぶ強化学習
-
統計モデルと推測
-
スタンフォード ベクトル・行列からはじめる最適化数学
-
データサイエンスの基礎
-
イラストで学ぶディープラーニング
-
テキスト・画像・音声データ分析
-
データサイエンスのためのデータベース
-
ベイズ深層学習
-
イラストで学ぶ ヒューマンインタフェース
-
コンパクトデータ構造
-
しっかり学ぶ数理最適化
-
Raspberry Piではじめる機械学習
-
マスターアルゴリズム 世界を再構築する「究極の機械学習」
-
今度こそわかる量子コンピューター
-
絵でわかるスーパーコンピュータ
-
ベイズ推論による機械学習入門
-
情報メディア論
-
イラストで学ぶ 音声認識
-
イラストで学ぶ 機械学習 最小二乗法による識別モデル学習