目次
−Pythonで実践−基礎からの物理学とディープラーニング入門 基礎からの物理学とディープラーニング入門 (エンジニア入門シリーズ)
- 福嶋 健二(著)/ 桂 法称(著)
-
【目次】
第1章 緒言:本書のあつかう内容
1.1 機械学習の概念
1.2 ディープラーニング
1.3 物理学への誘い
第2章 概要編:「学習」とは何だろうか?
2.1 教師あり学習
2.2 強化学習
2.3 教師なし学習
2.4 転移学習
第3章 準備編:これだけは知っておきたい物理学
3.1 速習:量子力学ミニマム
3. 1. 1 確率振幅とSchrödinger 方程式
3. 1. 2 ブラケット記法
3. 1. 3 変分原理
3. 1. 4 スピン
3.2 速習:グラフ理論ミニマム
3. 2. 1 グラフ理論の用語
3. 2. 2 グラフと行列
3. 2. 3 接続行列の直感的理解
3.3 速習:統計力学ミニマム
3. 3. 1 Ising 模型
3. 3. 2 対称性の自発的な破れと相転移
第4章 入門編:基本的な構成法
4.1 ニューラルネットワークの基礎
4. 1. 1 ニューロンと活性化関数
4. 1. 2 普遍性定理
4.2 学習モデル
4. 2. 1 Boltzmann マシン(Boltzmann Machine)
4. 2. 2 順伝播型ニューラルネットワーク(Feedforward NN)
4. 2. 3 回帰型ニューラルネットワーク(Recurrent NN)
4. 2. 4 再帰型ニューラルネットワーク(Recursive NN)
4. 2. 5 畳み込みニューラルネットワーク(Convolutional NN)
4. 2. 6 グラフニューラルネットワーク(Graph NN)
4.3 最適化
4. 3. 1 損失関数
4. 3. 2 最適化アルゴリズム
4. 3. 3 バックプロパゲーション
第5章 実践編:簡単な具体例に適用してみよう
5.1 関数形を仮定しない非線型回帰
5.2 波動関数の変分計算
5.3 波動関数の時間発展:RNN の応用
5.4 量子 Heisenberg 模型の基底状態
5. 4. 1 2 スピンの問題
5. 4. 2 2 スピン系の基底状態のBoltzmann マシンによる表現
5. 4. 3 4 スピン系の基底状態
5. 4. 4 より大きな系の基底状態
第6章 応用編:現代物理学への挑戦
6.1 Ising 模型への応用
6. 1. 1 2 次元Ising 模型の相転移の判定
6. 1. 2 Ising 模型の制限Boltzmann マシンによる表現
6.2 トポロジカル絶縁体超伝導体への応用
6. 2. 1 強束縛模型
6. 2. 2 トポロジカル物質
6. 2. 3 トポロジカル量子相転移の判定
第7章 関連する周辺の話題
7.1 Gauss 過程による回帰分析
7.2 位相的データ解析入門
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プログラミング言語 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
次に進む