- ホーム
- > 電子書籍
- > ビジネス・経営・経済
内容説明
※この商品は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、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。
『パターン認識と機械学習』（Pattern Recognition and Machine Learning; PRML）の著書、Bishopによる深層学習の専門書。技術発展の著しい分野ではあるが、本書は深層学習の基盤となる数理、そのなかでもとくに普遍的な「基礎」と「概念」となるようなアイディアを前作と同様に明解な書きぶりで解説する。解説にあたっては、単に数式の提示にとどまらず、図や疑似コードなど多面的なアプローチで各種の概念を有機的に結合させ、概念全体を体系的に捉えることができるような書きぶりとなっている。前提となる知識は最低限（線形代数と多変数の微分積分）にとどめ、本書で自己完結的に学ぶことができるように工夫されている。深層学習の根幹にある考え方をしっかりと身につけたい読者にとって、今後のスタンダードとなる一冊である。
目次
はじめに
上巻目次
第1章 深層学習革命
1.1 深層学習の衝撃
1.2 機械学習入門
1.3 機械学習史略
第2章 確率論
2.1 確率の演算則
2.2 確率密度
2.3 ガウス分布
2.4 確率密度の変換
2.5 情報理論
2.6 ベイズ主義的確率
第3章 代表的な確率分布
3.1 離散変数の分布
3.2 多変量ガウス分布
3.3 周期変数
3.4 指数型分布族
3.5 ノンパラメトリック推定法
第4章 単層ニューラルネット：回帰問題
4.1 線形回帰問題
4.2 決定理論
4.3 バイアス バリアンスのトレードオフ
第5章 単層ニューラルネット：分類問題
5.1 識別関数
5.2 決定理論
5.3 生成モデルによる分類
5.4 識別モデルによる分類
第6章 深層ニューラルネット
6.1 不変な基底関数を用いることによる制限
6.2 多層ニューラルネット
6.3 深層ニューラルネット
6.4 誤差関数
6.5 混合密度ネットワーク
第7章 勾配降下法
7.1 誤差曲面
7.2 勾配降下法による最適化
7.3 収束の速さ
7.4 正規化
第8章 誤差逆伝播法
8.1 勾配の計算
8.2 自動微分
第9章 正則化
9.1 帰納バイアス
9.2 重み減衰
9.3 学習曲線
9.4 パラメータ共有
9.5 残差接続
9.6 モデル平均化
付録A 線形代数
A.1 行列の公式
A.2 トレースと行列式
A.3 行列の導関数
A.4 固有ベクトル
付録B 変分法
付録C ラグランジュ乗数法
参考文献
和文索引
英文索引
