※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