ディープラーニングを支える技術　２「ニューラルネットワーク最大の謎」

技術／性能の追求は、人自身の能力を飛躍的に高め、新たな領域を切り開く。先端の情報や知識を俯瞰し、何が本質的な問題なのか、原理／原則は何か、「考える過程」を辿ります。

初学者の方々に向け、ディープラーニングの発展技術をまとめた解説書。
ディープラーニングは現在のAI/人工知能の発展の中核を担っており、スマートフォンからIoT、クラウドに至るまで幅広い領域で、画像、音声、言語処理をはじめとした多くの対象分野に浸透し、目覚ましい進展をもたらしています。
ディープラーニングの今の基本をまとめた前作に続き、本作ではニューラルネットワークにおける大きな謎である「なぜ学習できるのか」「なぜ汎化するのか」にスポットを当て平易に解説。合わせて、将来的な革新の可能性を秘める二大トピックとして、「生成モデル」「深層強化学習」も詳しく取り上げます。そして、4つのテーマのもと、ディープラーニングや人工知能について課題を整理し、今後を考えていきます。
多様な問題を一つのアプローチ、アルゴリズムで解ける驚異的な技術。ディープラーニングが一段と進化していく将来につながる、長く役立つ原理、原則、考え方を紐解く1冊です。

目次

# 第0章ディープラーニングとは何か　表現学習とタスク学習、本書解説の流れ
##0.1［速習］ディープラーニング
##0.2ニューラルネットワークの「学習」における大きな謎
##0.3これから学ぶ生成モデル
##0.4これから学ぶ強化学習
##0.5ディープラーニングと人工知能の課題とこれから

# 第1章ディープラーニングの最適化　なぜ学習できるのか
##1.1最適化による学習
##1.2［概要］学習の効率化
##1.3モーメンタム法
##1.4学習率の自動調整
##1.5ハイパーパラメータの最適化
##1.6本章のまとめ

# 第2章ディープラーニングの汎化　なぜ未知のデータをうまく予測できるのか
##2.1従来の汎化理論との矛盾
##2.2ニューラルネットワークと陰的正則化
##2.3明示的な正則化
##2.4本章のまとめ

# 第3章深層生成モデル　生成を通じて複雑な世界を理解する
##3.1生成モデル＆深層生成モデルとは何か
##3.2VAE　ニューラルネットワークを使った潜在変数モデル
##3.3GAN　敵対的生成モデル
##3.4自己回帰モデル
##3.5正規化フロー
##3.6拡散モデル
##3.7本章のまとめ

# 第4章深層強化学習　ディープラーニングと強化学習の融合
##4.1強化学習の基本
##4.2強化学習はどのような特徴を持つのか
##4.3最適な方策を直接求める　モンテカルロ推定
##4.4方策と価値
##4.5ベルマン方程式　隣り合う時刻間の価値の関係を表す
##4.6MC学習、オンライン版MC学習　オンラインでの方策の価値推定1
##4.7TD学習　オンラインでの方策の価値推定2
##4.8予測から制御へ　問題のどこが変わるのか
##4.9方策オン型学習　基本の考え方とSARSA
##4.10方策オフ型学習　人の振り見て我が振り直せ<　ほか

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。