内容

目次

Chapter 01　TensorFlow/Keras入門 第1章のはじめに 1-1　最小二乗法で学ぶ機械学習の基礎 　1.1.1　機械学習の考え方 　1.1.2　勾配降下法によるパラメーターの最適化 1-2　TensorFlowとKerasの使い方 　1.2.1　実行環境の準備 　1.2.2　Low-level APIによる実装例 　1.2.3　Kerasによる実装例 1-3　ニューラルネットワークの役割 　1.3.1　分類問題とニューラルネットワーク 　1.3.2　ディープラーニングの特徴 Chapter 02　分類アルゴリズムの基礎 第2章のはじめに 2-1　ロジスティック回帰による二項分類器 　2.1.1　確率を用いた誤差の評価 　2.1.2　Kerasによるロジスティック回帰の実装 　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　線形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　Kerasによる線形多項分類器の実装 　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処理 第3章のはじめに 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　ノード数の違いによる効果 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によるトレーニングログの確認 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 第4章のはじめに 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　Keras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　単層CNNによる手書き文字の分類 　4.3.2　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 第5章のはじめに 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　Kerasによる多層CNNの実装 　5.1.3　手書き文字の認識アプリケーション 5-2　学習済みフィルターの解釈 　5.2.1　フィルターの出力を最大化する画像の構成 　5.2.2　予測への影響が大きい領域の検出 5-3　少し高度な話題 　5.3.1　CIFAR-10（カラー写真画像）の分類に向けた拡張 　5.3.2　オートエンコーダによるアノマリー検知 　5.3.3　DCGAN による画像生成モデル Appendix A　「A Neural Network Playground」による直感的理解 B　バックプロパゲーションによる勾配ベクトルの計算 C　数学公式