牧野 浩二, 西﨑 博光 　著

内容

目次

第1章　深層学習の準備をしよう 　1.1　深層学習とは 　1.2　Anaconda のインストール 　1.3　Python プログラムの実行 　1.4　Chainer とChainerRL のインストール 第2章　Chainer による深層学習の基本 　2.1　深層学習の基本構造 　2.2　深層学習のサンプルプログラム 　2.3　プログラムの解読 　2.4　ファイルからの学習データを読み込み 　2.5　学習モデルの使用 　2.6　役に立つ機能を使ってみよう 第3章　ChainerRL による深層強化学習の基本 　3.1　深層強化学習の基本構造 　3.2　井戸問題 　3.3　深層強化学習の基礎 　3.4　問題を数字で表現 　3.5　深層強化学習の学習プログラム 　3.6　学習モデルの使用 第4章　電子工作の準備をしよう 　4.1　Arduino とは 　4.2　各部の説明 　4.3　開発環境のダウンロード 　4.4　インストール 　4.5　パソコンとの接続 　4.6　初期設定 　4.7　サンプルプログラムで動作確認 　4.8　便利な電子パーツ 　4.9　プログラム 　コラム 第5章　Arduino の基本 　5.1　LED を点灯・消灯させるプログラム 　5.2　LED の明るさの変更 　5.3　値の読み込み 　5.4　ボリュームでサーボモータの角度を変える 第6章　パソコンとArduino の通信 　6.1　パソコンの通信の準備 　6.2　Arduino からパソコンへのデータ送信 　6.3　パソコンからArduino へのデータ送信 第7章　深層学習との連携 ―ディープニューラルネットワーク― 　7.1　【収集】学習データの収集 　7.2　【学習】集めたデータを学習 　7.3　【分類】入力データを分類 第8章　深層学習でお札の分類 ―ディープニューラルネットワーク― 　8.1　【収集】センサで色データの収集 　8.2　【学習】集めたデータを学習 　8.3　【分類】センサ計測したデータの分類 第9章　深層学習で画像認識 ―畳み込みニューラルネットワーク― 　9.1　【準備】カメラの設定 　9.2　【収集】カメラでの画像収集 　9.3　【学習】集めた画像を学習 　9.4　【分類】カメラで得た画像の分類 　9.5　【発展】分類画像によるカギの解錠 　9.6　畳み込みニューラルネットワーク 第10章　深層学習でジェスチャーを分類 ―リカレントニューラルネットワーク― 　10.1　【収集】ジェスチャーの収集 　10.2　【学習】集めたジェスチャーを学習 　10.3　【分類】加速度計を振って得たジェスチャーの分類 　10.4　リカレントニューラルネットワーク 第11章　深層強化学習で手順を学ぶ 　11.1　【問題設定】電子回路で実現する方法 　11.2　【連携】実際に動作させながら学習 第12章　深層強化学習でボールアンドビーム 　12.1　【準備】ボールアンドビーム実験機の作成 　12.2　【操作】手作業による位置決め 　12.3　【制御】Arduino による位置決め 　12.4　【連携】深層強化学習で制御