内容

目次

Chapter 01　TensorFlow入門 1-1　ディープラーニングとTensorFlow 1.1.1　機械学習の考え方 1.1.2　ニューラルネットワークの必要性 1.1.3　ディープラーニングの特徴 1.1.4　TensorFlowによるパラメーターの最適化 1-2　環境準備 1.2.1　CentOS 7での準備手順 1.2.2　Jupyterの使い方 1-3　TensorFlowクイックツアー 1.3.1　多次元配列によるモデルの表現 1.3.2　TensorFlowのコードによる表現 1.3.3　セッションによるトレーニングの実行 Chapter 02　分類アルゴリズムの基礎 2-1　ロジスティック回帰によるニ項分類器 2.1.1　確率を用いた誤差の評価 2.1.2　TensorFlowによる最尤推定の実施 2.1.3　テストセットを用いた検証 2-2　ソフトマックス関数と多項分類器 2.2.1　線形多項分類器の仕組み 2.2.2　ソフトマックス関数による確率への変換 2-3　多項分類器による手書き文字の分類 2.3.1　MNISTデータセットの利用方法 2.3.2　画像データの分類アルゴリズム 2.3.3　TensorFlowによるトレーニングの実施 2.3.4　ミニバッチと確率的勾配降下法 Chapter 03　ニューラルネットワークを用いた分類 3-1　単層ニューラルネットワークの構造 3.1.1　単層ニューラルネットワークによる二項分類器 3.1.2　隠れ層が果たす役割 3.1.3　ノード数の変更と活性化関数の変更による効果 3-2　単層ニューラルネットワークによる手書き文字の分類 3.2.1　単層ニューラルネットワークを用いた多項分類器 3.2.2　TensorBoardによるネットワークグラフの確認 3-3　多層ニューラルネットワークへの拡張 3.3.1　多層ニューラルネットワークの効果 3.3.2　特徴変数に基づいた分類ロジック 3.3.3　補足：パラメーターが極小値に収束する例 Chapter 04　畳み込みフィルターによる画像の特徴抽出 4-1　畳み込みフィルターの機能 4.1.1　畳み込みフィルターの例 4.1.2　TensorFlowによる畳み込みフィルターの適用 4.1.3　プーリング層による画像の縮小 4-2 畳み込みフィルターを用いた画像の分類 4.2.1　特徴変数による画像の分類 4.2.2　畳み込みフィルターの動的な学習 4-3 畳み込みフィルターを用いた手書き文字の分類 4.3.1　セッション情報の保存機能 4.3.2　単層CNNによる手書き文字の分類 4.3.3　動的に学習されたフィルターの確認 Chapter 05　畳み込みフィルターの多層化による性能向上 5-1 畳み込みニューラルネットワークの完成 5.1.1　多層型の畳み込みフィルターによる特徴抽出 5.1.2　TensorFlowによる多層CNNの実装 5.1.3　手書き文字の自動認識アプリケーション 5-2 その他の話題 5.2.1　CIFAR-10（カラー写真画像）の分類に向けた拡張 5.2.2　「A Neural Network Playground」による直感的理解 5.2.3　補足：バックプロパゲーションによる勾配ベクトルの計算 Appendix A　Mac OS XとWindowsでの環境準備方法 B　Python 2の基本文法 C　数学公式