バイオインフォマティクスのための人工知能入門 - 基礎から行列・テンソル分解／深層学習まで

著者名：阿久津達也【著】

朝倉書店（2026/02発売）

• ISBN：9784254122985

内容説明

人工知能技術を道具として適切に活用するために．統計学など古典的なからはじめ，現在主流となっている実用的な技術まで解説．〔内容〕バイオインフォマティクス概観／クラス分類／回帰・パラメータ推定／クラスタリング／行列分解／次元削減・可視化／ニューラルネットワーク

目次

1.　バイオインフォマティクス概観
　1.1　分子生物学概観
　　1.1.1　DNA
　　1.1.2　RNA
　　1.1.3　タンパク質
　1.2　ゲノムと遺伝子
　　1.2.1　生体分子間相互作用
　1.3　バイオインフォマティクスにおける研究課題
　　1.3.1　配列比較
　　1.3.2　配列アセンブリ
　　1.3.3　進化系統樹推定
　　1.3.4　タンパク質立体構造予測
　　1.3.5　RNA二次構造予測
　　1.3.6　配列の機能予測
　　1.3.7　配列の機能部位予測
　　1.3.8　遺伝子発現データ解析
　　1.3.9　相互作用推定
　　1.3.10　ゲノムワイド関連解析
　　1.3.11　メタゲノム解析
　1.4　バイオインフォマティクス・データとその表現法
　　1.4.1　バイオインフォマティクスにおける主要データ
　　1.4.2　データの表現法
　　1.4.3　遺伝子発現データの表現法
　　1.4.4　相互作用データの表現法
　1.5　予備知識と数学記号
　1.6　配列アラインメント
　　1.6.1　ペアワイズアラインメント
　　1.6.2　マルチプルアラインメント
　文献案内

2.　クラス分類
　2.1　k近傍法
　2.2　単純ベイズ法
　　2.2.1　最尤推定
　　2.2.2　ベイズ推定
　　2.2.3　単純ベイズ法によるクラス分類
　2.3　決定木とランダムフォレスト
　　2.3.1　決定木
　　2.3.2　バギングとブースティング
　　2.3.3　ランダムフォレスト
　　2.3.4　勾配ブースティング木
　2.4　サポートベクターマシン
　　2.4.1　超平面による分類
　　2.4.2　マージン最大化
　　2.4.3　ソフトマージン
　　2.4.4　カーネル
　2.5　線形判別分析
　2.6　ベイジアンネットワーク
　文献案内

3.　回帰とパラメータ推定
　3.1　線形回帰
　　3.1.1　直線による回帰
　　3.1.2　重回帰
　　3.1.3　一般化
　3.2　ロジスティック回帰
　3.3　一般化線形モデル
　3.4　正則化回帰
　　3.4.1　リッジ回帰
　　3.4.2　ラッソ回帰
　　3.4.3　エラスティックネット回帰
　3.5　隠れマルコフモデル
　　3.5.1　HMMの定義
　　3.5.2　Viterbiアルゴリズム
　　3.5.3　EMアルゴリズム
　　3.5.4　Baum{Welchアルゴリズム
　　3.5.5　HMMを用いた配列分類
　3.6　条件つきマルコフ場
　3.7　変分ベイズ法
　　3.7.1　KL距離の最小化
　　3.7.2　平均場近似と変分法の適用
　文献案内

4.　クラスタリング
　4.1　階層型クラスタリング
　4.2　k平均法
　4.3　自己組織化マップ
　4.4　混合正規分布
　　4.4.1　Q関数の最大化
　　4.4.2　混合正規分布に対するEMアルゴリズム
　4.5　スペクトラルクラスタリング
　4.6　バイクラスタリング
　4.7　リスタートつきランダムウォーク
　文献案内

5.　行列分解
　5.1　行列分解の意味
　5.2　固有値分解
　5.3　特異値分解
　5.4　非負値行列因子分解
　　5.4.1　定式化
　　5.4.2　反復法による非負値行列因子分解
　5.5　行列の同時分解
　　5.5.1　非負値行列による同時分解
　5.6　正則化項つき行列分解
　　5.6.1　グラフラプラシアン正則化項つき非負値行列因子分解
　5.7　テンソル分解
　　5.7.1　テンソルの和と積
　　5.7.2　CP分解とタッカー分解
　5.8　高次特異値分解
　文献案内

6.　次元削減・可視化
　6.1　特徴選択
　6.2　主成分分析
　　6.2.1　定式化
　　6.2.2　第一主成分の計算
　　6.2.3　第二主成分以降の計算
　　6.2.4　行列表現
　6.3　正準相関分析
　　6.3.1　定式化
　　6.3.2　一般化固有値問題への変換
　　6.3.3　固有値問題への変換
　　6.3.4　一般次元への射影
　6.4　多次元尺度構成法
　　6.4.1　定式化
　　6.4.2　距離データからの実対称行列の導出
　　6.4.3　固有値分解によるベクトルへの変換
　6.5　t-SNE
　　6.5.1　SNE
　　6.5.2　t-SNEへの発展
　6.6　UMAP
　文献案内

7.　ニューラルネットワーク
　7.1　ニューロンとネットワーク
　7.2　誤差逆伝播法
　　7.2.1　中間層がない場合
　　7.2.2　階層型ニューラルネットワークのパラメータ更新式
　　7.2.3　誤差逆伝播法のアルゴリズム
　　7.2.4　実用上の工夫
　7.3　畳み込みニューラルネットワーク
　7.4　グラフ畳み込みネットワーク
　7.5　回帰型ニューラルネットワーク
　7.6　LSTM
　7.7　自己符号化器
　7.8　変分自己符号化器
　7.9　アテンション
　　7.9.1　化合物{タンパク質相互作用予測におけるアテンション
　　7.9.2　seq2seqにおけるアテンション
　　7.9.3　グラフ・アテンション・ネットワーク
　7.10　敵対的生成ネットワーク
　文献案内
文献
索引

感想・レビュー

※以下の感想・レビューは、株式会社ドワンゴの提供する「読書メーター」によるものです。

[takao]

数式で説明

2024/09/15