関連サイト
本書の関連ページが用意されています。
内容紹介
本書は人工知能研究における機械学習の諸分野をわかりやすく解説し、それらの知識を前提として深層学習とは何かを示します。具体的な処理手続きやプログラム例（C言語）を適宜示すことで、これらの技術がどのようなものなのかを具体的に理解できるように紹介していきます。
書誌情報
- 著者: 小高知宏
- 発行日: 2016-05-21 (紙書籍版発行日: 2016-05-21)
- 最終更新日: 2016-05-21
- バージョン: 1.0.0
- ページ数: 232ページ(PDF版換算)
- 対応フォーマット: PDF
- 出版社: オーム社
対象読者
初級プログラマ・ソフトウェアの初級開発者（生命のシミュレーション等）、経営システム工学科・情報工学科の学生、深層学習の基礎理論に興味がある人
著者について
小高知宏
1983 年 早稲田大学理工学部卒業
1990 年 早稲田大学大学院理工学研究科後期課程修了、工学博士
同 年 九州大学医学部附属病院助手
1993 年 福井大学工学部情報工学科助教授
1999 年 福井大学工学部知能システム工学科助教授
2004 年 福井大学大学院工学研究科教授
現在に至る
〈主な著書〉
『計算機システム』森北出版（1999）、『基礎からわかるTCP/IP Java ネットワークプログラミング 第2 版』オーム社（2002）、『TCP/IP で学ぶ コンピュータネットワークの基礎』森北出版（2003）、『TCP/IP で学ぶ ネットワークシステム』森北出版（2006）、『はじめてのAI プログラミング―C 言語で作る人工知能と人工無能―』オーム社（2006）、『はじめての機械学習』オーム社（2011）、『AI による大規模データ処理入門』オーム社（2013）、『人工知能入門』共立出版（2015）、『コンピュータ科学とプログラミング入門』近代科学社（2015）
目次
まえがき
第1章 機械学習とは
- 1.1 機械学習とは
- 1.1.1 深層学習の成果
- 1.1.2 学習と機械学習・深層学習
- 1.1.3 機械学習の分類
- 1.1.4 深層学習に至る機械学習の歴史
- 1.2 本書例題プログラムの実行環境について
- 1.2.1 プログラム実行までの流れ
- 1.2.2 プログラム実行の実際
第2章 機械学習の基礎
- 2.1 帰納学習
- 2.1.1 演繹的学習と帰納的学習
- 2.1.2 帰納的学習の例題―株価の予想―
- 2.1.3 帰納学習による株価予想プログラム
- 2.2 強化学習
- 2.2.1 強化学習とは
- 2.2.2 Q学習―強化学習の具体的方法―
- 2.2.3 強化学習の例題設定―迷路抜け知識の学習―
- 2.2.4 強化学習のプログラムによる実現
第3章 群知能と進化的手法
- 3.1 群知能
- 3.1.1 粒子群最適化法
- 3.1.2 蟻コロニー最適化法
- 3.1.3 蟻コロニー最適化法の実際
- 3.2 進化的手法
- 3.2.1 進化的手法とは
- 3.2.2 遺伝的アルゴリズムによる知識獲得
第4章 ニューラルネット
- 4.1 ニューラルネットワークの基礎
- 4.1.1 人工ニューロンのモデル
- 4.1.2 ニューラルネットと学習
- 4.1.3 ニューラルネットの種類
- 4.1.4 人工ニューロンの計算方法
- 4.1.5 ニューラルネットの計算方法
- 4.2 バックプロパゲーションによるニューラルネットの学習
- 4.2.1 パーセプトロンの学習手続き
- 4.2.2 バックプロパゲーションの処理手続き
- 4.2.3 バックプロパゲーションの実際
第5章 深層学習
- 5.1 深層学習とは
- 5.1.1 従来のニューラルネットの限界と深層学習のアイデア
- 5.1.2 畳み込みニューラルネット
- 5.1.3 自己符号化器を用いる学習手法
- 5.2 深層学習の実際
- 5.2.1 畳み込み演算の実現
- 5.2.2 畳み込みニューラルネットの実現
- 5.2.3 自己符号化器の実現