Ｃ＋＋で学ぶディープラーニング ニューラルネットワークの基礎からＣ＋＋による実装まで

ディープラーニングの基礎となるニューラルネットワークの考え方、基本から、開発言語「Ｃ＋＋」による実装、「畳み込みニューラルネットワーク」など、ニューラルネットワークの派生技術や応用までを解説する。【「TRC MARC」の商品解説】

本書は、ディープラーニング（深層学習）の基礎を学ぶ初級者やソフトウェアエンジニアの方を対象に、ディープラーニングのベースとなっているニューラルネットワークからその派生技術や応用まで、実際に動くC++のソースコードを参照しながら学ぶ内容となっています。前半はニューラルネットワークに関する必須知識を扱い、後半ではニューラルネットワークの派生技術や応用に言及し、徐々に高度な内容となっていきます。

【本書の内容】
Chapter1「ディープラーニング概論」……ディープラーニングの概要と、ニューラルネットワーク構築時に最低限必要なC++プログラミングの知識をまとめます。
Chapter2「ニューラルネットワークのための行列演算と並列プログラミング」……並列プログラミングの重要性とその知識や行列演算を解説します。
Chapter3「ニューラルネットワーク」……パーセプトロンと呼ばれるニューラルネットワークの最小単位となるユニット、パーセプトロンを重ねたニューラルネットワークの基本形である層状パーセプトロン（MLP）を説明します。
Chapter4「誤差逆伝播」……ニューラルネットワークのパラメーター学習方法である、誤差逆伝播法を詳しく解説します。
Chapter5「C++によるニューラルネットワークの実装」……多層パーセプトロンを用いた手書き数字の画像認識を、実際にコーディングしながら動かすことで、ディープラーニングを体験します。本章では、ニューラルネットワークの基礎が詰まったベーシックな分類モデルを構築することで、処理全体の流れを把握することを目的とします。
Chapter6「学習の最適化と過学習」……機械学習全般で発生する過学習にフォーカスし、ニューラルネットワークでの過学習を抑えるテクニックを紹介します。本章以降から、単なるニューラルネットワークではなく、ディープラーニングの範疇となります。
Chapter7「事前学習」……ディープラーニングがブレイクするきっかけとなった技術の1つであるオートエンコーダーを解説します。
Chapter8「畳み込みニューラルネットワーク」……現在ディープラーニングの花形といわれる畳み込みニューラルネットワークを解説します。主に画像認識で利用され、近年はめざましい成果をあげている技術です。
Chapter9「再帰型ニューラルネットワーク」……再帰型ニューラルネットワークと呼ばれる、自己の出力を入力とする再帰構造となったニューラルネットワークを使い、自然言語処理への応用例を紹介します。統計的機械翻訳や自動応答、音声認識などの分野で、近年のAIの大きな進化の推進役となっている技術です。

本書では開発言語としてC++を採用しています。C++でほぼすべてをスクラッチから実装しており、最終的に完成するコードはディープラーニングのC++フレームワークとして機能します。サンプルコードはダウンロード可能。【商品解説】

ディープラーニング（深層学習）のベースとなっているニューラルネットワークとその発展系の深層学習について、理論およびその実装である実際に動くC++ソースコードを参照しながら学ぶ本。
マルチレイヤーパーセプトロンに代表されるフィードフォワード型のニューラルネットワーク、バックプロバケーションから始め、事前学習の意味、オートエンコーダー、ドロップアウトなど近年浅いネットワークから深いネットワークへ発展した深層学習における特有の理論、自動微分や勾配法などの深層学習の実装に間接的ではあるが、必須となっているテクニックに絞って丁寧に解説する。

【内容構成】
Chapter1　基本
Chapter2　並列プログラミング
Chapter3　ニューラルネットワーク
Chapter4　誤差逆伝播
Chapter5　ニューラルネットワークの実装
Chapter6　学習の最適化と過学習
Chapter7　畳み込みニューラルネットワーク
Chapter8　再帰型ニューラルネットワーク【本の内容】