サイト内検索

詳細検索

ヘルプ

セーフサーチについて

性的・暴力的に過激な表現が含まれる作品の表示を調整できる機能です。
ご利用当初は「セーフサーチ」が「ON」に設定されており、性的・暴力的に過激な表現が含まれる作品の表示が制限されています。
全ての作品を表示するためには「OFF」にしてご覧ください。
※セーフサーチを「OFF」にすると、アダルト認証ページで「はい」を選択した状態になります。
※セーフサーチを「OFF」から「ON」に戻すと、次ページの表示もしくはページ更新後に認証が入ります。

[5/15~5/27最大50%]6周年クーポン祭り

[5/15~5/27最大50%]6周年クーポン祭り

プログラミング言語 ランキング

プログラミング言語のランキングをご紹介します一覧を見る

前へ戻る

次に進む

目次

    表紙
    Copyright/商標/正誤表について
    はじめに
    謝辞
    第1章 TensorFlowの仕組みと基本事項を押さえる/1.1 はじめに
    1.2 TensorFlowの仕組み<Recipe 1>
    1.3 テンソルを設定する<Recipe 2>
    1.4 プレースホルダと変数を使用する<Recipe 3>
    1.5 行列を操作する<Recipe 4>
    1.6 演算を設定する<Recipe 5>
    1.7 活性化関数を実装する<Recipe 6>
    1.8 データソースを操作する<Recipe 7>
    1.9 その他のリソース<Recipe 8>
    第2章 TensorFlowスタイル―演算/層の追加、損失関数やモデル評価などの実装/2.1 はじめに
    2.2 計算グラフでの演算<Recipe 9>
    2.3 入れ子の演算を階層化する<Recipe 10>
    2.4 複数の層を操作する<Recipe 11>
    2.5 損失関数を実装する<Recipe 12>
    2.6 バックプロパゲーションを実装する<Recipe 13>
    2.7 バッチトレーニングと確率的トレーニングを使用する<Recipe 14>
    2.8 分類を行うための要素を組み合わせる<Recipe 15>
    2.9 モデルを評価する<Recipe 16>
    第3章 線形回帰―逆行列/分解法からロジスティック回帰まで/3.1 はじめに
    3.2 逆行列法を使用する<Recipe 17>
    3.3 行列分解法を実装する<Recipe 18>
    3.4 TensorFlowでの線形回帰の実装パターン<Recipe 19>
    3.5 線形回帰の損失関数を理解する<Recipe 20>
    3.6 デミング回帰を実装する<Recipe 21>
    3.7 LASSOとリッジ回帰を実装する<Recipe 22>
    3.8 Elastic Net回帰を実装する<Recipe 23>
    3.9 ロジスティック回帰を実装する<Recipe 24>
    第4章 サポートベクトルマシン―線形SVMの操作・次元縮約、非線形SVM/多クラスSVMの実装など
    4.1 はじめに
    4.2 線形SVMを操作する<Recipe 25>
    4.3 線形回帰への縮約<Recipe 26>
    4.4 TensorFlowでカーネルを操作する<Recipe 27>
    4.5 非線形SVMを実装する<Recipe 28>
    4.6 多クラスSVMを実装する<Recipe 29>
    第5章 最近傍法―編集距離、距離関数の組み合わせ、最近傍法の画像認識など/5.1 はじめに
    5.2 最近傍法を使用する<Recipe 30>
    5.3 編集距離を計測する<Recipe 31>
    5.4 距離関数を組み合わせて計算する<Recipe 32>
    5.5 アドレスマッチング処理の例<Recipe 33>
    5.6 画像認識に最近傍法を使用する<Recipe 34>
    第6章 ニューラルネットワーク―論理ゲート、単層/多層ニューラルネットワークの実装など
    6.1 はじめに
    6.2 論理ゲートを実装する<Recipe 35>
    6.3 論理ゲートと活性化関数を操作する<Recipe 36>
    6.4 単層ニューラルネットワークを実装する<Recipe 37>
    6.5 さまざまな層を実装する<Recipe 38>
    6.6 多層ニューラルネットワークを使用する<Recipe 39>
    6.7 線形モデルの予測を改善する<Recipe 40>
    6.8 三目並べを学習する<Recipe 41>
    第7章 自然言語処理―BoW/TF-IDF/スキップグラム/CBOWなど
    7.1 はじめに
    7.2 BoWモデルを操作する<Recipe 42>
    7.3 TF-IDFの手法を実装する<Recipe 43>
    7.4 スキップグラムモデルを操作する<Recipe 44>
    7.5 CBOWモデルを操作する<Recipe 45>
    7.6 Word2vecを使って予測を行う<Recipe 46>
    7.7 感情分析にDoc2vecを使用する<Recipe 47>
    第8章 畳み込みニューラルネットワーク―単純なCNN/高度なCNN/モデルの再トレーニングなど/8.1 はじめに
    8.2 単純なCNNを実装する<Recipe 48>
    8.3 高度なCNNを実装する<Recipe 49>
    8.4 既存のCNNモデルを再びトレーニングする<Recipe 50>
    8.5 Stylenetを適用する<Recipe 51>
    8.6 DeepDreamを実装する<Recipe 52>
    第9章 リカレントニューラルネットワーク―LSTM/Sequence-to-Sequence/Siamese Similarity法/9.1 はじめに
    9.2 スパムの確率を予測するためにRNNを実装する<Recipe 53>
    9.3 LSTMモデルを実装する<Recipe 54>
    9.4 複数のLSTM層を積み重ねる<Recipe 55>
    9.5 Sequence-to-Sequenceモデルを作成する<Recipe 56>
    ほか