『高校数学でわかるディープラーニングのしくみ』の詳細情報

高校数学でわかるディープラーニングのしくみ
AmazonカートAmazonで予約する
タイトル 高校数学でわかるディープラーニングのしくみ
サブタイトル
著者 [著者区分]涌井 貞美 [著・文・その他]
出版社 ベレ出版 レーベル
本体価格
(予定)
2200円 シリーズ
ページ数 Cコード 3041
発売予定日 2019-12-11 ジャンル 専門/単行本/数学
ISBN 9784860646028 判型 A5
内容紹介
AIという言葉をメディアで目にしない日はありません。これはArtificial Intelligenceの頭文字をとったもので、人工知能を意味します。1990年代には工場のラインを支えるロボットの「人工知能」が産業を大きく変えました。しかし、その時の人工知能は完全に人間から教え込まれるタイプのものでした。それに対し、現在の「AI」は、自ら学んでいくタイプのものです。それを実現する手段の一つがディープラーニングです。本書では、人間の脳のニューロンの働きを数学的に抽象化し、人工的にネットワーク化した「ニューラルネットワーク」を基本とする、ディープラーニングのしくみを、高校までの数学で丁寧に解説していきます。

目次

1章 活躍するディープラーニング
2章 絵でわかるディープラーニングのしくみ
3章 ディープラーニングのための準備
4章 ニューラルネットワークのしくみがわかる
5章 畳み込みニューラルネットワークのしくみがわかる
6章 リカレントニューラルネットワークのしくみがわかる
7章 誤差逆伝播法のしくみがわかる
目次
1章 活躍するディープラーニング
 1 AI時代の扉を開いたディープラーニング
 2 ディープラーニングとAI
 3 機械学習とディープラーニング
 4 ディープラーニングの本質は特徴抽出
 5 教師あり学習と教師なし学習
 6 画像解析とディープラーニング
 7 音声認識とディープラーニング
 8 ビッグデータとベストマッチするディープラーニング
 9 第4次産業革命を支えるディープラーニング

2章 絵でわかるディープラーニングのしくみ
 1 話の始まりはニューロンから
 2 ニューロンロボットに解説させる
 3 ニューロンロボットを層状に配列
 4 ニューラルネットワークが知能を持つしくみ
 5 ニューラルネットワークの「学習」の意味
 6 絵でわかる畳み込みニューラルネットワーク
 7 絵でわかるリカレントニューラルネットワーク

3章 ディープラーニングのための準備
 1 シグモイド関数
 2 データ分析におけるモデルとパラメーター
 3 理論と実際の誤差

4章 ニューラルネットワークのしくみがわかる
 1 ニューロンの働きを数式で表現
 2 ユニットと活性化関数
 3 シグモイドニューロン
 4 ニューラルネットワークの具体例
 5 ニューラルネットワークの各層の働きと変数記号
 6 ニューラルネットワークの目的関数
 7 ニューラルネットワークの「学習」
 8 ニューラルネットワークの「学習」結果の解釈

5章 畳み込みニューラルネットワークのしくみがわかる
 1 畳み込みニューラルネットワークの準備
 2 畳み込みニューラルネットワークの入力層
 3 畳み込みニューラルネットワークの畳み込み層
 4 畳み込みニューラルネットワークのプーリング層
 5 畳み込みニューラルネットワークの出力層
 6 畳み込みニューラルネットワークの目的関数
 7 畳み込みニューラルネットワークの「学習」
 8 畳み込みニューラルネットワークの「学習」結果の解釈
 9 畳み込みニューラルネットワークをテスト
 10 パラメーターに負を許容すると

6章 リカレントニューラルネットワークのしくみがわかる
 1 リカレントニューラルネットワークの考え方
 2 リカレントニューラルネットワークの展開図
 3 リカレントニューラルネットワークの各層の働き
 4 式でリカレントニューラルネットワークを表現
 5 リカレントニューラルネットワークの目的関数
 6 リカレントニューラルネットワークの「学習」

7章 誤差逆伝播法のしくみがわかる
 1 最適化計算の基本となる勾配降下法
 2 誤差逆伝播法(バックプロパゲーション法)のしくみ
 3 誤差逆伝播法をExcelで体験
 4 誤差逆伝播法をPythonで体験

付録
 A 本書で利用する訓練データ(Ⅰ)
 B 本書で利用する訓練データ(Ⅱ)
 C VBAの利用法
 D ソルバーのセットアップ法
 E Windows10のコマンドプロンプトの利用法
 F Pythonのセットアップ法
 G 微分の基礎知識
 H 多変数関数の近似公式と勾配
 I 畳み込みの数学的な意味
 J ユニットの誤差と勾配の関係
 K ユニットの誤差の層間の関係
著者略歴(涌井 貞美)
1952年、東京生まれ。東京大学理学系研究科修士課程修了後、富士通、神奈川県立高等学校教員を経て、サイエンスライターとして独立。わかりやすく、ていねいな解説には定評がある。 著書に、『まずはこの一冊から 意味がわかる統計解析』(ベレ出版)、『図解・ベイズ統計「超」入門』(SBクリエイティブ)、『統計学の図鑑』『ディープラーニングがわかる数学入門』(技術評論社)などがある。
他の書籍を検索する