基礎からのニューラルネット -人工知能の基盤技術ー(キソカラノニューラルネット　ジンコウチノウノキバンギジュツ)

近年の「人工知能」 (AI) の普及は目覚ましく、スマホや家電、自動車などの我々の生活に密着したさまざまなツールに利用されています。
音声認識や機械翻訳など、非常に便利な機能を実現してくれる人工知能ですが、その根底にあるのが「機械学習」と「ニューラルネット」の技術です。

本書は、人工知能を支える基礎技術である「ニューラルネット」について、その歴史や仕組みを詳細に解説。

通り一遍の概要を知るだけにとどまらず、「ニューラルネット」を理解する上で重要な非常に多くの概念について、それらが必要である理由を、高校程度の数学を用いながら説明します。

第 1 章では、人工知能研究の歴史を簡潔にまとめます。
第 2 章は、最も基本的な「階層型ニューラルネット」 (パーセプトロン) の仕組みを詳説。
第 3 章では、物理学と人工知能研究の接点について述べ、末尾となる第 4 章は、「深層学習」の発展の原動力となった「畳み込みネットワーク」「回帰ネットワーク」「長・短期記憶」「トランスフォーマ」の本質に焦点を絞った簡潔な説明を狙います。
■ニューラルネットの歴史ー「パーセプトロン」から「深層学習」までー
はじめに
パーセプトロン
「線形非分離問題」と「深層化」
「深層学習」の誕生から現在まで

■階層型ニューラルネットモデル
脳神経網と「人工ニューラルネット」
「単層パーセプトロン」と「誤り訂正学習」
「損失関数」による限界突破
勾配消失問題
入力が複数の場合
階層型ニューラルネットモデルの万能性
「深層化」と「バックプロパゲーション」

■非階層型ニューラルネットモデル
「深層学習」の基礎技術
「階層型」と「非階層型」
Hopfield モデル
ボルツマンマシン
「非階層ニューラルネット」の事例

■「深層学習」への誘ない
「深層学習」の幕開け
「深層学習」を支える技術
「深層学習」の応用