ディープラーニングと物理学 原理がわかる、応用ができる
発売日：2019年6月
- ページ数
- ２８６ｐ
- ISBN
- 978-4-06-516262-0
- 著者情報
- 田中 章詞（タナカ アキノリ）
博士（理学）。２０１４年大阪大学大学院理学研究科物理学専攻博士後期課程修了。現在、理化学研究所特別研究員（革新知能統合研究センター／数理創造プログラム）
富谷 昭夫（トミヤ アキオ）
博士（理学）。２０１４年大阪大学大学院理学研究科物理学専攻博士後期課程修了。現在、理化学研究所基礎科学特別研究員（理研ＢＮＬ研究センター計算物理研究グループ）
橋本 幸士（ハシモト コウジ）
理学博士。２０００年京都大学大学院理学研究科博士課程修了。現在、大阪大学大学院理学研究科教授
セブン-イレブン受取り(送料無料)
発送目安
発売日（発売日以降は当日）～2日で発送
宅配（送料¥550税込）
発送目安
発売日（発売日以降は当日）～2日で発送
交通状況・天候の影響や注文が集中した場合等、お届けにお時間をいただく場合がございます。
商品説明
物理学者ならではの視点で原理から応用までを説く、空前の入門書。物理は機械学習に役立つ！機械学習は物理に役立つ！
人工知能技術の中枢をなす深層学習と物理学との繋がりを俯瞰する。物理学者ならではの視点で原理から応用までを説く、空前の入門書。
《目次》
第１章 はじめに：機械学習と物理学
【第Ｉ部 物理から見るディープラーニングの原理】
第２章 機械学習の一般論
第３章 ニューラルネットワークの基礎
第４章 発展的なニューラルネットワーク
第５章 サンプリングの必要性と原理
第６章 教師なし深層学習
【第ＩＩ部 物理学への応用と展開】
第７章 物理学における逆問題
第８章 相転移をディープラーニングで見いだせるか
第９章 力学系とニューラルネットワーク
第１０章 スピングラスとニューラルネットワーク
第１１章 量子多体系、テンソルネットワークとニューラルネットワーク
第１２章 超弦理論への応用
第１３章 おわりに(「近刊情報」より)
目次
はじめに：機械学習と物理学
第１部 物理から見るディープラーニングの原理（機械学習の一般論
ニューラルネットワークの基礎
発展的なニューラルネットワーク
サンプリングの必要性と原理
教師なし深層学習）
第２部 物理学への応用と展開（物理学における逆問題
相転移をディープラーニングで見いだせるか
力学系とニューラルネットワーク
スピングラスとニューラルネットワーク
量子多体系、テンソルネットワークとニューラルネットワーク
超弦理論への応用
おわりに）
商品詳細
- 出版社名
- 講談社
- サイズ
- ２１ｃｍ
- フォーマット
- 単行本
注意事項
- 本の帯に関して
- 帯つきでの出荷はお約束しておりません。
商品ページに、帯のみに付与される特典物等の表記がある場合でも、確実に帯つきでの出荷はお約束しておりません。
また、帯は商品の一部ではなく「広告扱い」のため、帯の有無・破損による交換や返品は承っておりません。 - 版・表紙について
- 版・表紙（カバー）のご指定は承っておりません。ご注文いただくタイミングによっては、お届けする商品の版や表紙が商品ページ上のものとは異なる場合がございます。
また、初版にのみにお付けしている特典（初回特典、初回仕様特典）がある商品は、商品ページに特典の表記がされている場合でも、無くなり次第終了となります。
