トピックス  【重要】iOSアプリアップデートのご案内 [2017年04月25日]
 購入前に目次をご確認ください

インプレス[コンピュータ・IT]ムック Deep Learning Javaプログラミング 深層学習の理論と実装

インプレス / 2016年10月07日 / 全263ページ

本書では、まず深層学習に関連する機械学習アルゴリズムを復習。その後、深層学習アルゴリズムの主要な理論を解説、Javaでゼロから実装する方法を示します。さらに、深層学習用JavaライブラリDeeplearning4jの活用方法も解説。そのほか、人工知能やディープラーニングの変遷や今後の展望を説明し、番外編としてTheano/TensorFlow/CaffeをPythonで利用する方法も紹介します。多くのプログラマーにとって身近なJavaコードを使って、ディープラーニングの実際を体験できる一冊です。

目次

  • 注意
  • まえがき
  • はじめに
  • 第1章 人工知能とディープラーニングの変遷
  • 1.1 人工知能の変遷/1.1.1 人工知能の定義
  • 1.1.2 過去の人工知能ブーム
  • 1.1.3 機械学習の誕生と発展
  • 1.1.4 機械学習でさえもできないこと
  • 1.2 機械と人間を分けるもの
  • 1.3 人工知能とディープラーニング
  • まとめ
  • 第2章 機械学習アルゴリズムを学ぶ--ディープラーニングへの準備
  • 2.1 実装に際して/2.2 機械学習における「学習」の必要性
  • 2.3 教師あり学習と教師なし学習
  • 2.3.1 サポートベクトルマシン(SVM)
  • 2.3.2 隠れマルコフモデル(HMM)
  • 2.3.3 ニューラルネットワーク
  • 2.3.4 ロジスティック回帰
  • 2.3.5 強化学習/2.4 機械学習の流れ
  • 2.5 ニューラルネットワークの理論とアルゴリズム/2.5.1 パーセプトロン(単層ニューラルネットワーク)
  • 注意
  • まえがき
  • はじめに
  • 第1章 人工知能とディープラーニングの変遷
  • 1.1 人工知能の変遷/1.1.1 人工知能の定義
  • 1.1.2 過去の人工知能ブーム
  • 1.1.3 機械学習の誕生と発展
  • 1.1.4 機械学習でさえもできないこと
  • 1.2 機械と人間を分けるもの
  • 1.3 人工知能とディープラーニング
  • まとめ
  • 第2章 機械学習アルゴリズムを学ぶ--ディープラーニングへの準備
  • 2.1 実装に際して/2.2 機械学習における「学習」の必要性
  • 2.3 教師あり学習と教師なし学習
  • 2.3.1 サポートベクトルマシン(SVM)
  • 2.3.2 隠れマルコフモデル(HMM)
  • 2.3.3 ニューラルネットワーク
  • 2.3.4 ロジスティック回帰
  • 2.3.5 強化学習/2.4 機械学習の流れ
  • 2.5 ニューラルネットワークの理論とアルゴリズム/2.5.1 パーセプトロン(単層ニューラルネットワーク)
  • 2.5.2 ロジスティック回帰
  • 2.5.3 多クラスロジスティック回帰
  • 2.5.4 多層パーセプトロン(多層ニューラルネットワーク)
  • まとめ
  • 第3章 ディープラーニング探究[1]--ディープビリーフネットと積層デノイジング・オートエンコーダ/3.1 ニューラルネットワークの陥落
  • 3.2 ニューラルネットワークの逆襲/3.2.1 ディープラーニングの進化--ブレークスルーの決め手
  • 3.2.2 事前学習ありディープラーニング
  • 3.3 ディープラーニングのアルゴリズム[1]/3.3.1 制約付きボルツマンマシン
  • 3.3.2 ディープビリーフネット
  • 3.3.3 デノイジング・オートエンコーダ
  • 3.3.4 積層デノイジング・オートエンコーダ
  • まとめ
  • 第4章 ディープラーニング探究[2]--ドロップアウトと畳み込みニューラルネットワーク
  • 4.1 事前学習なしディープラーニング
  • 4.2 ドロップアウト
  • 4.3 畳み込みニューラルネットワーク
  • 4.3.1 畳み込み
  • 4.3.2 プーリング
  • 4.3.3 数式による理解と実装
  • まとめ
  • 第5章 Java ライブラリ Deeplearning4j の活用
  • 5.1 ライブラリを用いた実装とスクラッチによる実装の比較
  • 5.2 DL4J と ND4J の概要
  • 5.3 ND4J による実装
  • 5.4 DL4J による実装/5.4.1 セットアップ
  • 5.4.2 モデルの構築
  • 5.5 学習率の最適化
  • まとめ
  • 第6章 ディープラーニングの応用と実用化--リカレントニューラルネットワーク、長短期記憶など
  • 6.1 ディープラーニングの研究が活発な分野/6.1.1 画像認識
  • 6.1.2 自然言語処理
  • 6.2 ディープラーニングの課題
  • 6.3 ディープラーニングの可能性を最大化するアプローチ/6.3.1 分野による切り口
  • 6.3.2 課題設定による切り口
  • 6.3.3 表現による切り口
  • まとめ
  • 第7章 ディープラーニング探究[3]--Theano/TensorFlow/Caffe の手法[Python編]/7.1 Theano
  • 7.2 TensorFlow
  • 7.3 Caffe
  • まとめ
  • 第8章 今後の動向を展望する
  • 8.1 ディープラーニングのさらなる進化
  • 8.2 今後も成果を上げるアプローチとは
  • 8.3 ディープラーニングの情報源
  • まとめ
  • 索引
  • STAFF
  • 奥付

※このデジタル雑誌には目次に記載されているコンテンツが含まれています。それ以外のコンテンツは、本誌のコンテンツであっても含まれていません のでご注意ください。

※電子版では、紙の雑誌と内容が一部異なる場合や、掲載されないページがある場合があります。

 

電子書籍は初めての方へ。マガストアで一度購入すると、スマホでもタブレットでもPCでも閲覧できます。

電子書籍は初めての方へ

ジャンル別ランキング
「パソコン・モバイル」
2017年05月26日

総合ランキング
2017年05月26日

アプリダウンロード
はこちら

App Store でマガストアをダウンロード Android app on Google Play Windows Store App