Deep Learning Javaプログラミング 深層学習の理論と実装

個数:1
紙書籍版価格 ¥3,672
  • Kinoppy
  • Reader
  • ポイントキャンペーン

Deep Learning Javaプログラミング 深層学習の理論と実装

  • 著者名:巣籠悠輔
  • 価格 ¥3,672(本体¥3,400)
  • インプレス(2016/10発売)
  • 春 満開!Kinoppy 電子書籍・電子洋書 全点ポイント25倍キャンペーン(~4/21)
  • ポイント 850pt (実際に付与されるポイントはお支払い画面でご確認下さい)

ファイル: /

内容説明

※この商品は固定レイアウトで作成されており、タブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。深層学習のアルゴリズムをJavaで実装!
「ゼロからの実装」や「ライブラリの活用」を解説

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します。
その後、深層学習アルゴリズムの主要な理論を解説し、
Javaでゼロから実装する方法を示します。

さらに、Javaライブラリを利用した実装方法も解説します。
深層学習用Javaライブラリとして使用するDeeplearning4jは
オープンソースの分散処理ソフトウェアApache Spark/Hadoopに
統合されているものです。

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について説明し、
番外編としてTheano/TensorFlow/CaffeをPythonで利用する方法も解説します。

「概要だけではなく、数式やアルゴリズムの根本まで解説」
「コード例は非常に読みやすい」----原著への読者の声

※ 本書は『Java Deep Learning Essentials』の翻訳書です。

目次

表紙
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