蔵書情報
この資料の蔵書に関する統計情報です。現在の所蔵数 在庫数 予約数などを確認できます。
資料の状態
各蔵書資料に関する詳細情報です。
No. |
資料番号 |
資料種別 |
請求記号 |
配架場所 |
状態 |
貸出
|
1 |
0016467003 | 図書一般 | 007.13/シン23/ | 2F自然 | 貸出可 |
○ |
この資料に対する操作
カートに入れる を押すと この資料を 予約する候補として予約カートに追加します。
いますぐ予約する を押すと 認証後この資料をすぐに予約します。
この資料に対する操作
電子書籍を読むを押すと 電子図書館に移動しこの資料の電子書籍を読むことができます。
書誌情報サマリ
タイトル |
深層学習
|
人名 |
柳井 啓司/共著
|
人名ヨミ |
ヤナイ ケイジ |
出版者・発行者 |
オーム社
|
出版年月 |
2022.11 |
書誌詳細
この資料の書誌詳細情報です。
書誌種別 |
図書 |
タイトル |
深層学習 |
シリーズ名 |
IT Text |
タイトルヨミ |
シンソウ ガクシュウ |
シリーズ名ヨミ |
アイティー テキスト |
人名 |
柳井 啓司/共著
中鹿 亘/共著
稲葉 通将/共著
|
人名ヨミ |
ヤナイ ケイジ ナカシカ トオル イナバ ミチマサ |
出版者・発行者 |
オーム社
|
出版者・発行者等ヨミ |
オームシャ |
出版地・発行地 |
東京 |
出版・発行年月 |
2022.11 |
ページ数または枚数・巻数 |
10,276p |
大きさ |
21cm |
価格 |
¥3000 |
ISBN |
978-4-274-22888-9 |
ISBN |
4-274-22888-9 |
注記 |
文献:p262〜269 |
分類記号 |
007.13
|
件名 |
深層学習
|
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。 |
著者紹介 |
東京大学大学院工学系研究科修士課程修了。電気通信大学大学院情報理工学研究科教授。 |
言語区分 |
JPN |
タイトルコード |
1009812633383 |
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/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 |
|
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 |
目次
内容細目
関連資料
この資料に関連する資料を 同じ著者 出版年 分類 件名 受賞などの切り口でご紹介します。
もどる