夢見るディープラーニング ニューラルネットワーク[Python実装]入門

概 要

ニューラルネットワークは、脳の神経細胞を数学的な計算によって表現できるようにした数式モデルです。今では、画像認識などのパターン認識や顧客データの分析をはじめとするデータマイニングに応用され使われています。本書は、多層パーセプトロン、ニューラルネットワークをはじめとするディープラーニングを根底から支える数学的手法を学び、Pythonでの実装まで案内する機械学習入門書です。サンプルプログラムのDLサービス付き。

著者 金城俊哉
価格 本体1500円(税別)
ISBN 978-4-7980-5433-9
発売日 2018/6/7
判型 A5
ページ数 246
CD/DVD
ダウンロード
表紙イメージ
購入 アマゾンで購入する
楽天で購入する

※リンク先によっては、販売ページが用意されていないことがあります。あらかじめご了承ください。

新しいウィンドウで開く 書籍購入のご案内

サポート

サポート情報は以下からご参照下さい。

サポート情報へのリンク

目次

Chapter0 機械学習のススメ

01 機械学習、ディープラーニングとは

Chapter1 開発環境の用意とPythonの基礎

01 Pythonでディープラーニングを行うための環境を用意する

02 計算してみよう(算術演算)

03 if文

04 関数

05 クラス

06 NumPyのベクトル

Chapter2 パーセプトロンから多層パーセプトロンへ

01 ニューロンをモデル化する(パーセプトロン)

02 パーセプトロンをつなげる(多層パーセプトロン)

Chapter3 ニューラルネットワーク

01 自ら学習するパーセプトロン(ニューラルネットワーク)

02 ニューラルネットワークの計算に行列を使う

Chapter4 バックプロパゲーション(誤差逆伝播)

01 バックプロパゲーションによる誤差の伝播

02 重みの更新

Chapter5 Pythonによるニューラルネットワークの実装

01 ニューラルネットワークの実装

02 手書き数字のMNISTデータセット

03 ニューラルネットワークによる手書き数字の学習

Chapter6 ディープラーニング

01 Kerasによるニューラルネットワーク

02 2次元フィルター

03 畳み込みニューラルネットワーク

04 プーリング層とドロップアウト

APPENDIX 資料

01 微分

02 偏微分

03 指数関数と対数関数

04 ソフトマックス関数

PR

秀和システム