※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。

※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。

深層学習（ディープラーニング）の全体像が理解できる一冊。
日々進化し続ける深層学習技術の基礎をなす知識や考え方を体系的に，応用を俯瞰的にまとめた教科書。
　本書は、人工知能（AI）技術の一つである深層学習（ディープラーニング）の全体像を体系的にまとめた教科書です。
　SNS、スマートスピーカー、画像診断、自動運転、……などなど、身のまわりには深層学習の技術や手法が広く応用されています。このことからもわかるように、深層学習は今日に至るまでさまざまな場面で成功を収めていますが、その技術や手法は、今現在も、非常に速いスピードで進歩し続けています。「以前は当たり前のように利用されていた技術が、ある日突然、それを上回る別の技術に置き換えられた」ということも十分にあり得ます。しかし、そのような深層学習技術の基礎には、普遍的かつ不変的な知識や考え方があります。
　本書は、現代の深層学習の技術や手法を理解するうえで基礎となる知識や考え方を、必要に応じて数式を用い、詳細に解説しています。また、代表的な応用例として、画像、音声、自然言語の処理を俯瞰的に解説し、深層学習の全体像が理解できるように構成しました。論文や国際会議等で深層学習技術の最新動向を追うためのベースは、本書で十分に学ぶことができます。

第1章　序論：深層学習登場の前と後
1.1　パターン認識とは
1.2　パターン認識の困難さと深層学習による成功
1.3　深層学習と従来のパターン認識手法の違い

第2章　深層学習以前のパターン認識手法
2.1　深層学習以前のパターン認識の概略
2.2　特徴抽出
2.3　機械学習・パターン認識手法
2.4　クラスタリング
2.5　評価指標
演習問題

第3章　深層学習ネットワーク
3.1　深層学習のアイディア
3.2　パーセプトロン
3.3　多層パーセプトロン
3.4　深層学習ネットワークにおける基本レイヤ群
3.5　基本ネットワーク構造
演習問題

第4章　ネットワークの学習
4.1　深層学習ネットワークの学習の基本的アイディア
4.2　誤差関数
4.3　確率的勾配降下法
4.4　誤差逆伝播法
4.5　畳込み層の学習
4.6　学習の実際
4.7　学習した畳込みフィルタの例
演習問題

第5章　学習のための技術
5.1　学習パラメータの初期値
5.2　学習率の設定
5.3　データ拡張
5.4　ドロップアウト
5.5　入力データの正規化
5.6　モデルアンサンブル
5.7　事前学習とファインチューニング
5.8　中間信号の画像特徴量としての利用
5.9　距離学習
5.10　マルチタスク学習
5.11　自己教師学習
5.12　ネットワークを小さくする工夫
演習問題

第6章　系列データへの対応
6.1　再帰型ネットワーク
6.2　1次元畳込み
6.3　Transformer
演習問題

第7章　画像認識への適用
7.1　主な画像認識ネットワーク
7.2　画像認識ネットワーク内部の可視化
7.3　物体検出
7.4　領域分割
7.5　人物姿勢推定
7.6　動画認識
演習問題

第8章　画像生成・変換への適用
8.1　エンコーダ・デコーダ型ネットワーク
8.2　オートエンコーダ
8.3　深層生成モデル
8.4　画像変換
8.5　画像最適化による画像変換
演習問題

第9章　音声処理への適用
9.1　音声認識ネットワーク
9.2　音声合成ネットワーク
演習問題

第10章　自然言語処理への適用
10.1　単語ベクトル
10.2　系列変換モデル
10.3　事前学習モデル
演習問題

第11章　マルチモーダル学習
11.1　マルチモーダル・クロスモーダル
11.2　画像と言語ル
11.3　画像・映像と音声
演習問題

演習問題略解
参考文献