impress top gearシリーズ
Deep Learning Javaプログラミング 深層学習の理論と実装
著：巣籠悠輔
内容紹介
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
JP-eコード：84438128110000000003
。出版社：インプレス
。コンテンツ公開日：2016年10月07日
。現在、購入できません。