ニューラルネットワーク入門

本書は、ニューラルネットワークの原理の理解とより良い活用を目指して基本的なところからわかりやすく、数式をできる限り使わないよう配慮して解説したニューラルネットワークの入門書である。ニューラルネットワークに初めて触れる方、企業などで人工知能を利用した実務に携わる方を対象としている。

昨今のプログラミング環境の充実を鑑みると、ニューラルネットワークを使う分には原理を理解する必要はないかもしれない。しかしながら、ニューラルネットワークのより良い活用と、ニューラルネットワークにより出力された結果の正しい解釈に、原理の理解は欠かすことができない、
そこで本書では、実際の研究でよく利用されているニューラルネットワークをカタログ的に集め、それらがどのように動いているのか、何の解析に利用できるのかを解説しながら原理を学んでいく。

内容はストーリー性を重視した構成となっている。おおまかに、[1]人工知能の歴史の紹介、[2]ニューラルネットワークの紹介、[3]それらをうまく活用する工夫の紹介、[4]社会における人工知能、今後のデータ科学・人工知能研究のまとめである。

また、「探検データサイエンス」シリーズの「機械学習アルゴリズム」は、機械学習法をカタログ的に集めており、ニューラルネットワークについても触れている。この本でニューラルネットワークに関する知識を深めたいと感じた読者にも次の一冊として手に取って欲しい。

目次

【第I部　人工知能の概要と構成技術】
第1章　人工知能とニューラルネットワーク
1.1　人工知能におけるニューラルネットワーク
1.2　人工知能の研究の歴史
1.3　人工知能の分類
1.4　強い人工知能と弱い人工知能
1.5　人工知能と機械学習法
1.6　基本的な機械学習モデル
1.7　学習法の分類
1.8　識別モデルと生成モデル
1.9　ニューラルネットワークの構造と学習の最適化

第2章　本書で用いる基本事項
2.1　人工知能で使われる用語
2.2　線形代数
2.3　偏微分と勾配
2.4　最急降下法

【第II部　さまざまなニューラルネットワーク】
第3章　多層パーセプトロン
3.1　多層パーセプトロン
3.2　誤差逆伝播法
3.3　勾配消失問題

第4章　人工知能高性能化のさまざまな方法
4.1　人工知能の性能の評価方法
4.2　正則化による過学習の抑制
4.3　パラメータ更新
4.4　転移学習法

第5章　畳み込みニューラルネットワーク
5.1　畳み込みニューラルネットワーク
5.2　畳み込み層
5.3　畳み込みニューラルネットワークの構造

第6章　再帰型ニューラルネットワーク
6.1　再帰型ニューラルネットワーク
6.2　単純再帰型ニューラルネットワーク
6.3　再帰型ニューラルネットワークのパラメータ更新
6.4　長短期記憶とゲート付き再帰型ユニット
6.5　エコーステートネットワーク

第7章　アテンション機構
7.1　アテンション機構の概要
7.2　アテンション機構の原理
7.3 トランスフォーマー

第8章　敵対的生成ネットワーク
8.1　敵対的生成ネットワーク
8.2　さまざまな敵対的生成ネットワーク

第9章　深層強化学習
9.1　強化学習法とその分類
9.2　Ｑ学習法
9.3　深層学習と強化学習

第10章　ネットワーク構造と学習の最適化
10.1　ハイパーパラメータ最適化
10.2　ベイズ最　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。