ゼロから作る Deep Learning - Pythonで学ぶディープラーニングの理論と実装

出版日
ページ数
320
ゼロから作る Deep Learning - Pythonで学ぶディープラーニングの理論と実装
ISBN10
4873117585
ISBN13
978-4873117584
目次
まえがき 1章 Python 入門 1.1 Python とは 1.2 Python のインストール 1.3 Python インタプリタ 1.4 Python スクリプトファイル 1.5 NumPy 1.6 Matplotlib 1.7 まとめ 2章 パーセプトロン 2.1 パーセプトロンとは 2.2 単純な論理回路 2.3 パーセプトロンの実装 2.4 パーセプトロンの限界 2.5 多層パーセプトロン 2.6 NAND からコンピュータへ 2.7 まとめ 3章 ニューラルネットワーク 3.1 パーセプトロンからニューラルネットワークへ 3.2 活性化関数 3.3 多次元配列の計算 3.4 3 層ニューラルネットワークの実装 3.5 出力層の設計 3.6 手書き数字認識 3.7 まとめ 4章 ニューラルネットワークの学習 4.1 データから学習する 4.2 損失関数 4.3 数値微分 4.4 勾配 4.5 学習アルゴリズムの実装 4.6 まとめ 5章 誤差逆伝播法 5.1 計算グラフ 5.2 連鎖率 5.3 逆伝播 5.4 単純なレイヤの実装 5.5 活性化関数レイヤの実装 5.6 A.ne / Softmax レイヤの実装 5.7 誤差逆伝播法の実装 5.8 まとめ 6章 学習に関するテクニック 6.1 パラメータの更新 6.2 重みの初期値 6.3 Batch Normalization 6.4 正則化 6.5 ハイパーパラメータの検証 6.6 まとめ 7章 畳み込みニューラルネットワーク 7.1 全体の構造 7.2 畳み込み層 7.3 プーリング層 7.4 Convolution / Pooling レイヤの実装 7.5 CNN の実装 7.6 CNN の可視化 7.7 代表的な CNN 7.8 まとめ 8章 ディープラーニング 8.1 ネットワークをより深く 8.2 ディープラーニングの小歴史 8.3 ディープラーニングの高速化 8.4 ディープラーニングの実用例 8.5 ディープラーニングの未来 8.6 まとめ 付録A Softmax-with-Loss レイヤの計算グラフ A.1 順伝播 A.2 逆伝播 A.3 まとめ 参考文献 索引
紹介( powered by openBD

実際にシステムを作りながらディープラーニングを学ぶ!
ディープラーニングの本格的な入門書。外部のライブラリに頼らずに、Python 3によってゼロからディープラーニングを作ることで、ディープラーニングの原理を楽しく学びます。ディープラーニングやニューラルネットワークの基礎だけでなく、誤差逆伝播法や畳み込みニューラルネットワークなども実装レベルで理解できます。ハイパーパラメータの決め方や重みの初期値といった実践的なテクニック、Batch NormalizationやDropout、Adamといった最近のトレンド、自動運転や画像生成、強化学習などの応用例、さらには、なぜディープラーニングは優れているのか? なぜ層を深くすると認識精度がよくなるのか? といった“Why”に関する問題も取り上げます。