作って学ぶニューラルネットワーク―機械学習の基礎から追加学習まで [単行本]

作って学ぶニューラルネットワーク―機械学習の基礎から追加学習まで の 商品概要

• 目次

  1．人工知能とは
  1.1　人工知能の定義と歴史
  1.2　人工知能における機械学習とは
  
  2．機械学習の基礎
  2.1　プロトタイプとパターン認識
  2.2　ベイズ識別境界
  2.3　識別境界線の表現方法
  課題
  
  3．ニューラルネットワーク
  3.1　ニューロンとそのモデル
  　3.1.1　ニューロンの工学的モデル
  　3.1.2　形式ニューロンモデルを使った情報処理
  3.2　単層ニューラルネットワークの構築
  　3.2.1　最近傍法と等価なパーセプトロン
  　3.2.2　必要なデータ構造
  3.3　3層ニューラルネットワークの構築
  　3.3.1　学習法
  　3.3.2　誤差逆伝搬法
  　3.3.3　多層パーセプトロンのプログラム
  　3.3.4　実行例
  3.4　ニューラルネットワークの評価
  　3.4.1　タスクと評価関数
  　3.4.2　汎化能力とその計測手法
  3.5　3層以上のニューラルネットワークの構築
  　3.5.1　PyTorchを使った多層ニューラルネットワークの構築
  　3.5.2　実行準備
  　3.5.3　実行
  　3.5.4　ドロップアウト法の追加
  課題
  
  4．追加学習
  4.1　破滅的忘却
  4.2　再学習を行わせる手法
  　4.2.1　手法および実装例
  　4.2.2　実行例
  4.3　一部のパラメータの変化量を制限する手法
  　4.3.1　手法の解説
  　4.3.2　実装例
  　4.3.3　実行例
  4.4　忘却を起こしにくい学習機械の使用
  　4.4.1　双子ニューラルネットワーク
  　4.4.2　双子ニューラルネットワークを使った少数ショット学習プログラム
  　4.4.3　学習アルゴリズムとデータセットの準備
  　4.4.4　実行例
  4.5　その他の手法
  課題
  
  付録：オブジェクト指向言語Python
  
  引用・参考文献
  課題解答例
  おわりに
  索引

• 出版社からのコメント

  人工知能・機械学習の問題点と限界を学び，その仕組みの理解をより深いものにする。

• 内容紹介

  質のよい人工知能を構築するには，その構造・メカニズムを深く理解することが重要である。そのために必要なのは，その数理的な知識のみならず，実際にプログラミングをしてニューラルネットワークを構築する経験であろう。この観点から，本書では2章に「機械学習の基礎」を配置し，機械学習の基本的な意味理解と応用を行うにあたって，最低限理解しておく必要があるパターン認識の数学的な意味について解説した。また，その理解の助けとなるよう，確率密度関数やベクトル，テンソルについては「学び直しコラム」を用意した。さらに，この章で得た知識をもとに理解が深まるよう，3章に「ニューラルネットワーク」を配置した。ニューラルネットワークのメカニズムを説明する過程では，それを理解するのに必要な数学的知識をその場で学べるように配慮した。また，Pythonのプログラムをニューラルネットワーク専用のライブラリを使用せずに構築することで，理論と実際の動作とを結びつけられるようにした。
  以上を踏まえたうえで，4章の「追加学習」ではその理論を解説するとともに，これをPyTorchを使って記述し，これまで学んできた内容をどのようにライブラリで記述できるのかを学べるようにした。
  
  【読者へのメッセージ】
  小学校の頃を思い出してほしい。私たちは新しい数字や漢字を毎日少しずつ追加的に覚えていった。これはごく自然な学習スタイルなので，現在の人工知能ブームの主役に躍り出た学習マシン：ニューラルネットワークについても，私たち人間と同じような追加的な学習ができるものだと思っている人がほとんどであろう。だが，なんとこれがニューラルネットワークには難しいのである！仮に6年生までの知識をマスターしたニューラルネットワークがあったとしたら，これに新しい1文字の漢字を追加的に学習させると，過去の記憶をほぼ全て喪失する「破滅的忘却」が起きてしまうのである。つまりこのような新しい知識をニューラルネットワークに記憶させるには，再度6年生までの漢字と新しい1文字の漢字とを学習させ直す必要がある。このような状況でニューラルネットワークを人のように日々学習して賢く成長しながら与えられた課題を解決できるようにするには，膨大な手間がかかることは言うまでもない。この問題を解決するべく，近年新しい学習手法が開発されつつある。それが「追加学習法」である。実のところその歴史は古く，現在に至るまで著者も含めて多くの研究者が様々なアプローチでこの問題の解決に努めてきた。この最新手法を学ぶべく，本書は基礎からプログラミングしながら学べるようにしてある。
  ところで皆さんは，教科書を読んで「理解できた！」と感じていたにも関わらず，いざプログラミングしてシステムを構築しようとすると途端に良く分からない事柄が沢山あることに気が付いたご経験はないだろうか？本書は理論を学び，手を動かしてプログラミングすることを両輪のように進めて確実に理解できるようにすることを目指した。本書を活用した皆さんの中から更なる新しい学習理論を提唱する人が現れることを願ってやまない。
  
  図書館選書
  Pythonによるプログラミングを行いつつ人工知能、機械学習の仕組みを学ぶ。新しい技術である「追加学習」のやさしい解説を通して、現在の機械学習が抱える問題点・限界を示し、読者により深い理解をもたらすことを目指す

• 著者紹介（「BOOK著者紹介情報」より）（本データはこの書籍が刊行された当時に掲載されていたものです）

  山内 康一郎(ヤマウチ コウイチロウ)
  １９８９年名古屋工業大学工学部電気情報学科卒業。１９９１年名古屋工業大学大学院工学研究科博士前期課程修了（電気情報工学専攻）。１９９４年大阪大学大学院基礎工学研究科博士後期課程修了（生物工学専攻）、博士（工学）。名古屋工業大学助手。２０００年北海道大学大学院助教授。２００６年北海道大学大学院准教授。２００９年中部大学教授

作って学ぶニューラルネットワーク―機械学習の基礎から追加学習まで の商品スペック