資料詳細

  • 1 件中、 1 件目

深層学習

柳井 啓司／共著 中鹿 亘／共著

オーム社 2022.11 (IT Text)

所蔵

所蔵は 1 件です。現在の予約件数は 0 件です。

所蔵館 所蔵場所 請求記号 資料コード 資料区分 持禁区分 状態
オーテピア高知図書館 3Fビジネス－IT /007.13/ｼﾝ/ 1111758957 一般   利用可 iLisvirtual

ページの先頭へ

館別所蔵

所蔵数 貸出中数 貸出可能数
合計

ページの先頭へ

資料詳細

タイトル 深層学習
叢書名 IT Text
著者 柳井 啓司 ／共著, 中鹿 亘 ／共著, 稲葉 通将 ／共著  
著者典拠番号 110005898780000 , 110008090300000 , 110007047630000
出版者 オーム社
出版地 東京
出版年 2022.11
ページ数 10,276p
大きさ 21cm
言語 日本語
一般件名 深層学習
一般件名典拠番号 511990100000000
NDC分類(9版) 007.13
内容紹介 進歩し続ける深層学習技術の基礎にある、最も基本的な学習方法や基本的なレイヤについて詳解。画像・音声・自然言語への応用についても、広範囲かつ俯瞰的に解説し、マルチモーダル学習も分かりやすく図解する。
ISBN 4-274-22888-9
ISBN13桁 978-4-274-22888-9
本体価格 ¥3000
資料情報1 『深層学習』（IT Text）　柳井 啓司／共著, 中鹿 亘／共著 , 稲葉 通将／共著　オーム社　2022.11（所蔵館：オーテピア高知図書館　 請求記号：/007.13/ｼﾝ/　 資料コード：1111758957）
URL
https://opac.library.kochi.jp/winj/opac/switch-detail.do?lang=ja&bibid=1120674196

ページの先頭へ

目次

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
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
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
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
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
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
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
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
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
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
  11.3 画像・映像と音声

ページの先頭へ