所蔵館	所蔵場所	請求記号	資料コード	資料区分	帯出区分	状態
中央	参書庫	K/007.1/おか/ヤ	180280809-	一般書	可能	利用可

タイトル	深層学習
シリーズ	機械学習プロフェッショナルシリーズ
著者名	岡谷　貴之／著
出版者	講談社
出版年	２０１５．４
ページ数等	１０，１６５ｐ
大きさ	２１ｃｍ
分類(9版)	007.13
分類(10版)	007.13
内容紹介	多層のニューラルネットワークを用いた機械学習の方法論、深層学習（ディープラーニング）の基本的な事項をカバー。ＳＧＤ、自己符号化器、ＣＮＮ、ＲＮＮ、ボルツマンマシンなど、盛りだくさんの内容を体系的に解説する。
著者紹介	東京大学大学院工学系研究科計数工学専攻博士課程修了。東北大学大学院情報科学研究科教授。
内容注記	文献：ｐ１５７～１６３
テーマ	深層学習
ISBN	4-06-152902-1
本体価格	￥２８００
特定資料種別	図書
URL	https://www.library.city.hiroshima.jp/winj/opac/switch-detail.do?bibid=1103707838

タイトル	著者名	ページ
第１章　はじめに
１．１　研究の歴史
１．２　本書の構成
第２章　順伝播型ネットワーク
２．１　ユニットの出力
２．２　活性化関数
２．３　多層ネットワーク
２．４　出力層の設計と誤差関数
第３章　確率的勾配降下法
３．１　勾配降下法
３．２　確率的勾配降下法
３．３　「ミニバッチ」の利用
３．４　汎化性能と過適合
３．５　過適合の緩和
３．６　学習のトリック
第４章　誤差逆伝播法
４．１　勾配計算の難しさ
４．２　２層ネットワークでの計算
４．３　多層ネットワークへの一般化
４．４　勾配降下法の完全アルゴリズム
４．５　勾配消失問題
第５章　自己符号化器
５．１　概要
５．２　ネットワークの設計
５．３　自己符号化器の働き
５．４　スパース正則化
５．５　データの白色化
５．６　ディープネットの事前学習
５．７　その他の自己符号化器
第６章　畳込みニューラルネット
６．１　単純型細胞と複雑型細胞
６．２　全体の構造
６．３　畳込み
６．４　畳込み層
６．５　プーリング層
６．６　正規化層
６．７　勾配の計算
６．８　実例：物体カテゴリ認識
第７章　再帰型ニューラルネット
７．１　系列データの分類
７．２　ＲＮＮの構造
７．３　順伝播計算
７．４　逆伝播計算
７．５　長・短期記憶（ＬＳＴＭ）
７．６　入出力間で系列長が異なる場合
第８章　ボルツマンマシン
８．１　データの生成モデル
８．２　ボルツマンマシン
８．３　ギブスサンプリング
８．４　隠れ変数を持つボルツマンマシン
８．５　制約ボルツマンマシン（ＲＢＭ）
８．６　ＲＢＭの学習
８．７　その他のユニット
８．８　ディープビリーフネットワーク
８．９　ディープボルツマンマシン
８．１０　性能比較

館名	所蔵数	貸出中数	貸出可能数
中央	1	0	1

資料詳細

所蔵

館別所蔵

資料詳細

内容一覧