忙しいあなたの代わりに、史上最強の「良い本・良い暮らし」のご提案

1冊の本に出会うことで、人生が大きく変わることがあります。良い品物に出会ったことで幸せになれることもあります。とはいっても、多様な商品があふれる中で、より価値の高いものを選び出すのは大変です。そこでこのブログでは、忙しいあなたの代わりに、史上最強の「良い本・良いくらし」の提案をさせていただきます。

分析 / 学問

スポンサードリンク
 

「深層学習(ディープラーニング)」は、機械学習の1つであるニューラルネットワークを重ねて多層にした学習方法です。

ディープラーニングは、他の機械学習の方法よりも高い性能を示すことが分かり、応用面からも注目されています。とくに画像認識や音声認識などでは人の認識精度まで高まってきています。

こういった技術をつかうことで、自動運転やコールセンターの無人化など、社会への応用が可能で、大きなビジネスチャンスという側面もあります。



「専門知識もないし、簡単に使えないだろう〜」と思われるかもしれません。

たしかに一定の知識は必要ですが、ゼロからプログラミングして作らなくてもだいじょうぶです。

ディープラーニングは、「フレームワーク(ライブラリ)」としてフリーでソフトウェアが公開されています。これを使うことで、低コスト・短時間で、実際に深層学習を実行できるんです。

ただし注意ですが、フレームワークを使えば希望する成果が出るとは限らないことです。

ディープラーニングの仕組みについて知っておかないと、結果の評価や妥当性を判断することはできませんし、性能のチューニングがうまくいかないかもしれません。



ディープラーニングを「きちんと使いたい」あなたにオススメなのが、本書になります。

まず、ディープラーニングが「どんな仕組みなのか」を、簡潔に学べます。

また、ディープラーニングで使われている、様々な技術がカバーされていて、キッチリ解説されています。

たとえば「確率的勾配降下法(SGD)」では、データを1つ1つ学習するのでなく、まとめて学習する「ミニバッチ学習」や、機械学習で問題となる「過適合」への対策などが説明されています。他にも、学習過程に影響を与える「学習係数」や「モメンタム」、「重み」の初期値といったパラメータの扱いについても理解できます。

ニューラルネットワークでの重み最適化には誤差逆伝播法が用いられます。この誤差逆伝播法のアルゴリズムを理解したり、勾配がゼロになる勾配消失問題といった、あなたが出会うかもしれない問題が解説されています。

そのあと、自己符号化器、畳込みニューラルネット(CNN)、再帰型ニューラルネット(RNN)、ボルツマンマシンといった、深層学習のおおよそ全体がカバーされていて、それらの仕組みや使い方の注意点が、「これ1冊」で学べる構成となっています。 

 本書の構成は、以下の通りです。
〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜
第1章 はじめに
研究の歴史
多層ニュラーラルネットへの期待と失望
多層ネットワークの事前学習
特徴量の学習
深層学習の隆盛
本書の構成

第2章 順伝播型ネットワーク
ユニットの出力
活性化関数
多層ネットワーク
出力層の設計と誤差関数

学習の枠組み
回帰
二値分類
多クラス分類 

第3章 確率的勾配降下法
勾配降下法
確率的勾配降下法
「ミニバッチ」の利用
汎化性能と過適合
過適合の緩和
正則化
重みの制約
ドロップアウト
学習のトリック
データの正規化
データ拡張
複数ネットの平均
学習係数の求め方
モメンタム
重みの初期化
サンプルの順序

第4章 誤差逆伝播法
勾配計算の難しさ
2層ネットワークでの計算
多層ネットワークへの一般化
勾配降下法の完全アルゴリズム
出力層でのデルタ
順伝播と逆伝播の行列計算
勾配消失問題

第5章 自己符号化器
概要
ネットワーク設計
出力層の活性化関数と誤差関数
重み共有
自己符号化器の働き
データを表す特徴の学習
主成分分析との関係
スパース正則化
データの過完備な表現
最適化
スパース正則化の効果
データの白色化
ディープネットの事前学習
その他の自己符号化器
多層自己符号化器
デノイジング自己符号化器 

第6章 畳込みニューラルネット
単純型細胞と複雑型細胞
全体の構造
畳込み
畳込み層
ブーリング層
正規化層
局所コントラスト正規化
単一チャネル画像の正規化
多チャンネル画像の正規化
勾配の計算
実例:物体カテゴリ認識

第7章 再帰型ニューラルネット
系列データの分類
RNNの構造
順伝播計算
逆伝播計算
長・短期記憶(LSTM)
RNNの勾配消失問題
LSTMの概要
順伝播計算
逆伝播計算
入出力間で系列長が異なる場合
隠れマルコフモデル
コネクショニスト時系列分類法

第8章 ボルツマンマシン
データの生成モデル
ボルツマンマシン
確率的構造
学習
ギブスサンプリング
隠れ変数を持つボルツマンマシン
確率的構造
学習
制約ボルツマンマシン(RBM)
確率的構造
条件付き分布
RBMと自己符号化器
RBMの学習
ギブスサンプリングを用いた勾配の計算
コントラティブダイバージェンス(CD)
CDの実装
持続的CD
その他のユニット
ガウシアンユニット
ReLU
ディープビリーフネットワーク
ディープボルツマンマシン
性能比較

参考文献
索引

〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜
簡潔な説明で、図が多くサクッと理解でき、要素技術ごとに順を追って学べます。

ディープラーニングを「系統立てて学びたい」あなたにオススメの1冊です。


この他に、ディープラーニングをコーディングしながら、専門知識なしでゼロから学びたい方はこちらの本もおすすめです ↓

目次などはこちらのの記事にございます↓

フレームワークを使ったディープラーニングの実装などはこちらをどうぞ

Googleの「TensorFlow」を使いながらディープラーニングを学べる1冊です。



こちらは国産のフレームワーク「Chainer」による実装方法が解説されています。


初めてのディープラーニング
武井宏将
リックテレコム
2016-09-21

「Caffe」による演習ができる1冊です。



他に、以下の本もございます。












ディープラーニングの「社会への影響」について知りたいあなたにはこの本がおすすめです。

人工知能研究の、過去・現在・未来の時間軸を通して、
人工知能は、社会や産業にどのような影響を与えるのか?人工知能全般の、概念や見方が学べる1冊です。


以下の 目次など詳細がございます。


ほかに「統計学」「ベイズ統計」「線形代数」「Pythonの高速化」の記事もございます。
このエントリーをはてなブックマークに追加 mixiチェック

コメント

コメントフォーム
評価する
  • 1
  • 2
  • 3
  • 4
  • 5
  • リセット
  • 1
  • 2
  • 3
  • 4
  • 5
  • リセット

トラックバック

↑このページのトップヘ