目次
-
1章 活躍するディープラーニング
1 AI時代の扉を開いたディープラーニング
2 ディープラーニングとAI
3 機械学習とディープラーニング
4 ディープラーニングの本質は特徴抽出
5 教師あり学習と教師なし学習
6 画像解析とディープラーニング
7 音声認識とディープラーニング
8 ビッグデータとベストマッチするディープラーニング
9 第4次産業革命を支えるディープラーニング
2章 絵でわかるディープラーニングのしくみ
1 話の始まりはニューロンから
2 ニューロンロボットに解説させる
3 ニューロンロボットを層状に配列
4 ニューラルネットワークが知能を持つしくみ
5 ニューラルネットワークの「学習」の意味
6 絵でわかる畳み込みニューラルネットワーク
7 絵でわかるリカレントニューラルネットワーク
3章 ディープラーニングのための準備
1 シグモイド関数
2 データ分析におけるモデルとパラメーター
3 理論と実際の誤差
4章 ニューラルネットワークのしくみがわかる
1 ニューロンの働きを数式で表現
2 ユニットと活性化関数
3 シグモイドニューロン
4 ニューラルネットワークの具体例
5 ニューラルネットワークの各層の働きと変数記号
6 ニューラルネットワークの目的関数
7 ニューラルネットワークの「学習」
8 ニューラルネットワークの「学習」結果の解釈
5章 畳み込みニューラルネットワークのしくみがわかる
1 畳み込みニューラルネットワークの準備
2 畳み込みニューラルネットワークの入力層
3 畳み込みニューラルネットワークの畳み込み層
4 畳み込みニューラルネットワークのプーリング層
5 畳み込みニューラルネットワークの出力層
6 畳み込みニューラルネットワークの目的関数
7 畳み込みニューラルネットワークの「学習」
8 畳み込みニューラルネットワークの「学習」結果の解釈
9 畳み込みニューラルネットワークをテスト
10 パラメーターに負を許容すると
6章 リカレントニューラルネットワークのしくみがわかる
1 リカレントニューラルネットワークの考え方
2 リカレントニューラルネットワークの展開図
3 リカレントニューラルネットワークの各層の働き
4 式でリカレントニューラルネットワークを表現
5 リカレントニューラルネットワークの目的関数
6 リカレントニューラルネットワークの「学習」
7章 誤差逆伝播法のしくみがわかる
1 最適化計算の基本となる勾配降下法
2 誤差逆伝播法（バックプロパゲーション法）のしくみ
3 誤差逆伝播法をExcelで体験
4 誤差逆伝播法をPythonで体験
付録
A 本書で利用する訓練データ（Ⅰ）
B 本書で利用する訓練データ（Ⅱ）
C VBAの利用法
D ソルバーのセットアップ法
E Windows10のコマンドプロンプトの利用法
F Pythonのセットアップ法
G 微分の基礎知識
H 多変数関数の近似公式と勾配
I 畳み込みの数学的な意味
J ユニットの誤差と勾配の関係
K ユニットの誤差の層間の関係
情報理論・情報科学 ランキング
情報理論・情報科学のランキングをご紹介します情報理論・情報科学 ランキング一覧を見る
前へ戻る
-
1位
-
2位
-
3位
-
4位
-
5位
-
6位
-
7位
-
8位
-
9位
-
10位
次に進む
