目次
-
Chapter 01 TensorFlow/Keras入門
第1章のはじめに
1-1 最小二乗法で学ぶ機械学習の基礎
1.1.1 機械学習の考え方
1.1.2 勾配降下法によるパラメーターの最適化
1-2 TensorFlowとKerasの使い方
1.2.1 実行環境の準備
1.2.2 Low-level APIによる実装例
1.2.3 Kerasによる実装例
1-3 ニューラルネットワークの役割
1.3.1 分類問題とニューラルネットワーク
1.3.2 ディープラーニングの特徴
Chapter 02 分類アルゴリズムの基礎
第2章のはじめに
2-1 ロジスティック回帰による二項分類器
2.1.1 確率を用いた誤差の評価
2.1.2 Kerasによるロジスティック回帰の実装
2.1.3 テストセットを用いた検証
2-2 ソフトマックス関数と多項分類器
2.2.1 線形多項分類器の仕組み
2.2.2 ソフトマックス関数による確率への変換
2-3 線形多項分類器による手書き文字の分類
2.3.1 MNIST データセットの利用方法
2.3.2 画像データの分類アルゴリズム
2.3.3 Kerasによる線形多項分類器の実装
2.3.4 ミニバッチと確率的勾配降下法
Chapter 03 ニューラルネットワークを用いた分類処理
第3章のはじめに
3-1 単層ニューラルネットワークの構造
3.1.1 単層ニューラルネットワークによる二項分類器
3.1.2 隠れ層が果たす役割
3.1.3 ノード数の違いによる効果
3-2 単層ニューラルネットワークによる手書き文字の分類
3.2.1 単層ニューラルネットワークを用いた多項分類器
3.2.2 TensorBoardによるトレーニングログの確認
3-3 多層ニューラルネットワークへの拡張
3.3.1 多層ニューラルネットワークの効果
3.3.2 特徴変数に基づいた分類ロジック
3.3.3 補足：パラメーターが極小値に収束する例
Chapter 04 畳み込みフィルターによる画像の特徴抽出
第4章のはじめに
4-1 畳み込みフィルターの機能
4.1.1 畳み込みフィルターの例
4.1.2 Kerasによる畳み込みフィルターの適用
4.1.3 プーリング層による画像の縮小
4-2 畳み込みフィルターを用いた画像の分類
4.2.1 特徴変数による画像の分類
4.2.2 畳み込みフィルターの動的な学習
4-3 畳み込みフィルターを用いた手書き文字の分類
4.3.1 単層CNNによる手書き文字の分類
4.3.2 動的に学習されたフィルターの確認
Chapter 05 畳み込みフィルターの多層化による性能向上
第5章のはじめに
5-1 畳み込みニューラルネットワークの完成
5.1.1 多層型の畳み込みフィルターによる特徴抽出
5.1.2 Kerasによる多層CNNの実装
5.1.3 手書き文字の認識アプリケーション
5-2 学習済みフィルターの解釈
5.2.1 フィルターの出力を最大化する画像の構成
5.2.2 予測への影響が大きい領域の検出
5-3 少し高度な話題
5.3.1 CIFAR-10（カラー写真画像）の分類に向けた拡張
5.3.2 オートエンコーダによるアノマリー検知
5.3.3 DCGAN による画像生成モデル
Appendix
A 「A Neural Network Playground」による直感的理解
B バックプロパゲーションによる勾配ベクトルの計算
C 数学公式
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
