小高知宏

機械学習の諸分野をわかりやすく解説！ 本書は人工知能研究における機械学習の諸分野をわかりやすく解説し、それらの知識を前提として深層学習とは何かを示します。具体的な処理手続きやプログラム例（C言語）を適宜示すことで、これらの技術がどのようなものなのかを具体的に理解できるように紹介していきます。 まえがき 第1章 機械学習とは 1.1 機械学習とは 1.1.1 深層学習の成果 1.1.2 学習と機械学習・深層学習 1.1.3 機械学習の分類 1.1.4 深層学習に至る機械学習の歴史 1.2 本書例題プログラムの実行環境について 1.2.1 プログラム実行までの流れ 1.2.2 プログラム実行の実際 第2章 機械学習の基礎 2.1 帰納学習 2.1.1 演繹的学習と帰納的学習 2.1.2 帰納的学習の例題―株価の予想― 2.1.3 帰納学習による株価予想プログラム 2.2 強化学習 2.2.1 強化学習とは 2.2.2 Q学習―強化学習の具体的方法― 2.2.3 強化学習の例題設定―迷路抜け知識の学習― 2.2.4 強化学習のプログラムによる実現 第3章 群知能と進化的手法 3.1 群知能 3.1.1 粒子群最適化法 3.1.2 蟻コロニー最適化法 3.1.3 蟻コロニー最適化法の実際 3.2 進化的手法 3.2.1 進化的手法とは 3.2.2 遺伝的アルゴリズムによる知識獲得 ? 第4章 ニューラルネット 4.1 ニューラルネットワークの基礎 4.1.1 人工ニューロンのモデル 4.1.2 ニューラルネットと学習 4.1.3 ニューラルネットの種類 4.1.4 人工ニューロンの計算方法 4.1.5 ニューラルネットの計算方法 4.2 バックプロパゲーションによるニューラルネットの学習 4.2.1 パーセプトロンの学習手続き 4.2.2 バックプロパゲーションの処理手続き 4.2.3 バックプロパゲーションの実際 第5章 深層学習 5.1 深層学習とは 5.1.1 従来のニューラルネットの限界と深層学習のアイデア 5.1.2 畳み込みニューラルネット 5.1.3 自己符号化器を用いる学習手法 5.2 深層学習の実際 5.2.1 畳み込み演算の実現 5.2.2 畳み込みニューラルネットの実現 5.2.3 自己符号化器の実現 参考文献 索 引

内容詳細

機械学習と深層学習 ―C言語によるシミュレーション―

『C による数値計算とシミュレーション』のPython版登場!! 本書は、シミュレーションプログラミングの基礎と、それを支える数値計算の技術について解説します。数値計算の技術から、先端的なマルチエージェントシミュレーションの基礎までをPythonのプログラムを示しながら具体的に解説します。 アルゴリズムの原理を丁寧に説明するとともに、Pythonの便利な機能を応用する方法も随所で示すものです。 目次 まえがき 第1章 Pythonにおける数値計算 1.1 Pythonによる数値計算プログラムの構成 1.1.1 Pythonによる数値計算プログラム 1.1.2 Pythonモジュールの活用 1.2 数値計算と誤差 1.2.1 数値計算における誤差 1.2.2 数値計算における誤差の実際 1.2.3 Pythonモジュールの活用 章末問題 第2章 常微分方程式に基づく物理シミュレーション 2.1 質点の1次元運動シミュレーション 2.1.1 自由落下のシミュレーション 2.1.2 着陸船のシミュレーション 2.2 ポテンシャルに基づく2次元運動シミュレーション 2.2.1 ポテンシャルに基づく2次元運動 2.2.2 2次元運動シミュレーション 2.3 Pythonモジュールの活用 章末問題 第3章 偏微分方程式に基づく物理シミュレーション 3.1 偏微分方程式の境界値問題 3.1.1 ラプラスの方程式 3.1.2 ラプラスの方程式の境界値問題 3.1.3 境界値問題の数値解法 3.1.4 ガウスの消去法による境界値問題の計算 3.1.5 逐次近似による境界値問題の計算 3.1.6 その他の二階偏微分方程式 3.2 ラプラスの方程式による場のシミュレーション 3.2.1 ラプラスの方程式の反復解法プログラム 3.2.2 より複雑な形状の領域の場合 3.3 Pythonモジュールの活用 章末問題 第4章 セルオートマトンを使ったシミュレーション 4.1 セルオートマトンの原理 4.1.1 セルオートマトンとは 4.1.2 セルオートマトンの計算プログラム 4.2 ライフゲーム 4.2.1 ライフゲームとは 4.2.2 ライフゲームのプログラム 4.3 交通流シミュレーション 4.3.1 1次元セルオートマトンによる交通流のシミュレーション 4.3.2 交通流シミュレーションのプログラム 章末問題 第5章 乱数を使った確率的シミュレーション 5.1 擬似乱数 5.1.1 乱数と擬似乱数 5.1.2 乱数生成アルゴリズム 5.1.3 Pythonの乱数生成モジュール 5.2 乱数と数値計算 5.2.1 数値積分と乱数 5.2.2 乱数と最適化 5.3 乱数を使ったシミュレーション 5.3.1 ランダムウォーク 5.3.2 ランダムウォークシミュレーション 5.4 Pythonモジュールの活用 章末問題 第6章 エージェントベースのシミュレーション 6.1 エージェントとは 6.1.1 エージェントの考え方 6.1.2 Pythonによるエージェントシミュレーションの実現 6.1.3 マルチエージェントへの拡張 6.1.4 相互作用するマルチエージェント 6.2 マルチエージェントによる相互作用のシミュレーション 6.2.1 マルチエージェントによるシミュレーション 6.2.2 マルチエージェントシミュレーションプログラム 章末問題 付録 A.1 4次のルンゲ=クッタ法の公式 A.2 ラプラスの方程式が周囲4点の差分で近似できることの説明 A.3 ナップサック問題の解法プログラムrkp30.py A.4 シンプソンの公式 章末問題略解 参考文献 索 引

著者：小高知宏の検索結果

機械学習と深層学習 ―C言語によるシミュレーション―

Pythonによる数値計算とシミュレーション