検索結果書誌詳細：蔵書検索システム

ログインの状態：ログインしていません。ログインすると利用状況の確認等のサービスを利用できます。		カート（予約候補） 0 登録されていません。

蔵書情報

この資料の蔵書に関する統計情報です。現在の所蔵数在庫数予約数などを確認できます。

所蔵数	1	在庫数	1	予約数	0

書誌情報サマリ

書名	深層学習
著者名	岡谷貴之／著
著者名ヨミ	オカタニタカユキ
出版者	講談社
出版年月	2022.1

この資料に対する操作

カートに入れるを押すとこの資料を予約する候補として予約カートに追加します。

いますぐ予約するを押すと認証後この資料をすぐに予約します。

この資料に対する操作

電子書籍を読むを押すと電子図書館に移動しこの資料の電子書籍を読むことができます。

登録するリストログインメモ

資料情報

各蔵書資料に関する詳細情報です。

No.	所蔵館	配架場所	請求記号	資料番号	資料種別	状態	個人貸出	在庫
1	中央図書館	一般開架	00713/43/22	0106785703	一般	在庫	可	○

書誌詳細

この資料の書誌詳細情報です。

タイトルコード	1000100956253
書誌種別	図書
書名	深層学習
書名ヨミ	シンソウガクシュウ
叢書名	機械学習プロフェッショナルシリーズ
版表示	改訂第2版
言語区分	日本語
著者名	岡谷貴之／著
著者名ヨミ	オカタニタカユキ
出版地	東京
出版者	講談社
出版年月	2022.1
本体価格	￥３０００
ISBN	978-4-06-513332-3
ISBN	4-06-513332-3
数量	16,366p
大きさ	21cm
分類記号	007.13
件名	深層学習
注記	文献:p329〜360
内容紹介	深層学習を俯瞰できるテキスト。ネットワークの基本構造から、学習の基礎となる確率的勾配降下法、誤差逆伝播法、異なるタイプのデータを扱うネットワーク、より発展的な学習方法、深層生成モデルまでを解説する。
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。理化学研究所革新知能統合研究センターチームリーダー。
目次タイトル	第1章はじめに
	1.1 研究の歴史　1.2 本書の構成
	第2章ネットワークの基本構造
	2.1 ユニットと活性化関数　2.2 順伝播型ネットワーク　2.3 学習の概要　2.4 問題の定式化:出力層と損失関数の設計
	第3章確率的勾配降下法
	3.1 確率的勾配降下法(SGD)　3.2 汎化性能と過剰適合　3.3 正則化　3.4 学習率の選定と制御　3.5 SGDの改良　3.6 層出力の正規化　3.7 重みの初期化　3.8 その他
	第4章誤差逆伝播法
	4.1 勾配計算の煩わしさ　4.2 誤差逆伝播法　4.3 自動微分　4.4 勾配消失問題　4.5 残差接続
	第5章畳み込みニューラルネットワーク
	5.1 単純型細胞と複雑型細胞　5.2 畳み込み　5.3 畳み込み層　5.4 プーリング層　5.5 畳み込み層の出力の正規化　5.6 推論のためのCNNの構造　5.7 入出力間の幾何学的関係　5.8 畳み込み層の一般化　5.9 アップサンプリングと畳み込み　5.10 物体カテゴリ認識への適用例
	第6章系列データのためのネットワーク
	6.1 系列データ　6.2 リカレントニューラルネットワーク　6.3 ゲート機構　6.4 自己回帰モデル　6.5 1次元畳み込みネットワーク　6.6 逆伝播の計算
	第7章集合・グラフのためのネットワークと注意機構
	7.1 集合データを扱うネットワーク　7.2 注意機構　7.3 トランスフォーマー　7.4 グラフニューラルネットワーク
	第8章推論の信頼性
	8.1 推論の不確かさ　8.2 不確かさの数理モデル　8.3 不確かさの予測　8.4 分布外入力の検出　8.5 敵対的事例　8.6 品質保証の試み
	第9章説明と可視化
	9.1 はじめに　9.2 入力による出力の微分　9.3 入力の遮蔽・挿入　9.4 中間層出力の表示　9.5 寄与度の分解　9.6 寄与度の逆伝播　9.7 可視化手法の評価　9.8 影響関数　9.9 学習内容の可視化
	第10章いろいろな学習方法
	10.1 距離計量学習　10.2 事例集合(マルチインスタンス)学習　10.3 クラスラベルの誤り　10.4 クラス間不均衡　10.5 継続・追加学習　10.6 知識蒸留　10.7 枝刈り　10.8 計算の量子化　10.9 ネットワーク構造探索(NAS)
	第11章データが少ない場合の学習
	11.1 はじめに　11.2 データ拡張　11.3 転移学習　11.4 半教師あり学習　11.5 自己教師学習　11.6 マルチタスク学習　11.7 ドメイン適応・汎化　11.8 少数事例学習　11.9 能動学習
	第12章生成モデル
	12.1 データの生成モデル　12.2 自己符号化器　12.3 変分自己符号化器(VAE)　12.4 敵対的生成ネットワーク(GAN)　12.5 正規化フロー　12.6 ボルツマンマシン