- Amazon.co.jp ・本 (384ページ)
- / ISBN・EAN: 9784065133323
作品紹介・あらすじ
◆ベストセラーの改訂版。最高最強のバイブルが大幅にパワーアップ!!◆
・トランスフォーマー、グラフニューラルネットワーク、生成モデルなどをはじめ、各手法を大幅に加筆。
・深層学習のさまざまな課題と、その対策についても詳しく解説。
[本書まえがきより抜粋]
ないもの(=理論)ねだりをしても仕方がありません.それでも皆が研究を進めるのは,そうすることに意義があるからです.なぜうまく働くのか,なぜそうすべきか,数学的な証明はなくても,正しい説明は必ずあるはずです.それを手にできれば,目の前の課題を解決するのに,また次に進むべき道を知るうえで役に立つでしょう.
そこで本書では,それぞれの方法について,今の時点で最も納得できる説明をきちんと与えることにこだわりました.名前の通った方法であっても,理屈が成り立たない,あるいは役に立たない方法や考え方については,はっきりそう書きました.著者の主観といわれても仕方がない場合もあるかもしれませんが,そのほうが有益であると信じています.
また,現在の深層学習の広がりを把握できるように,定番となった問題・方法に加えて,重要だと思われる問題については,必ずしもそれほど有名でない方法も含めてなるべく網羅するようにしました.その取捨選択には,深層学習が実践的技術であることを踏まえ,実用性を最も重視しました.そこには,この間に著者が企業の実務家たちと行ってきた共同研究での経験が反映されています.
[主な内容]
第1章 はじめに
第2章 ネットワークの基本構造
第3章 確率的勾配降下法
第4章 誤差逆伝播法
第5章 畳み込みニューラルネットワーク
第6章 系列データのためのネットワーク
第7章 集合・グラフのためのネットワークと注意機構
第8章 推論の信頼性
第9章 説明と可視化
第10章 いろいろな学習方法
第11章 データが少ない場合の学習
第12章 生成モデル
感想・レビュー・書評
-
意外と読みやすい
詳細をみるコメント0件をすべて表示 -
二重降下や、transformerの詳しめの解説があるなど、新しい動向も盛り込まれている。学習率の更新則をSGDからAdamWまで主要なものを確認できる。勾配消失問題に有効な残差接続という概念も初めて知った。ベイジアンニューラルネットワークの概要。敵対的事例に対する防御として敵対的学習。通信×AIの6G時代はこういった技術を元にしたセキュリティ対策も必要そう。NNモデルの品質保証は現状難しい。NNの説明手法もまだ模索段階。継続・追加学習、知識蒸留、NAS、転移学習…こうしたワードを知るだけでも、解決したい問題に対する選択肢が増えるので、良かった。また新版で最後に追加された生成モデルの章も、オートエンコーダからVAE、GANと勉強になった。ボルツマンマシン(確率挙動の双方向結合NN)も扱われていて、特に勉強したかったところで、発見も多くこれも良かった。物理でいう統計力学の分配関数とか出てきて、このあたりで統計という文脈でつながっているんだなと実感できた。
-
深層学習の原理について,さまざまなタスクな対するモデルがまとまっている。2022年1月に改訂版が販売され,深層学習のトレンドがさらに広く記述されている。
-
学生購入希望で購入した図書(2022年度)
【所在】図・2F開架
【請求記号】007.13||OK
【OPACへのリンク】
https://opac.lib.tut.ac.jp/opac/volume/463099 -
摂南大学図書館OPACへ⇒
https://opac2.lib.setsunan.ac.jp/webopac/BB50270178 -
再読が必要だ