近刊検索 デルタ

2019年6月22日発売

講談社

ディープラーニングと物理学 原理がわかる、応用ができる

KS物理専門書
このエントリーをはてなブックマークに追加
内容紹介
人工知能技術の中枢をなす深層学習と物理学との繋がりを俯瞰する。物理学者ならではの視点で原理から応用までを説く、空前の入門書。

《目次》
第1章 はじめに:機械学習と物理学
【第I部 物理から見るディープラーニングの原理】
第2章 機械学習の一般論
第3章 ニューラルネットワークの基礎
第4章 発展的なニューラルネットワーク
第5章 サンプリングの必要性と原理
第6章 教師なし深層学習
【第II部 物理学への応用と展開】
第7章 物理学における逆問題
第8章 相転移をディープラーニングで見いだせるか
第9章 力学系とニューラルネットワーク
第10章 スピングラスとニューラルネットワーク
第11章 量子多体系、テンソルネットワークとニューラルネットワーク
第12章 超弦理論への応用
第13章 おわりに
目次
第1章 はじめに:機械学習と物理学
・1.1 情報理論ことはじめ
・1.2 物理学と情報理論
・1.3 機械学習と情報理論
・1.4 機械学習と物理学
【第I部 物理から見るディープラーニングの原理】
第2章 機械学習の一般論
・2.1 機械学習の目的
・2.2 機械学習とオッカムの剃刀
・2.3 確率的勾配降下法
・コラム:確率論と情報理論
第3章 ニューラルネットワークの基礎
・3.1 誤差関数とその統計力学的理解
・3.2 ブラケット記法による誤差逆伝播法の導出
・3.3 ニューラルネットワークの万能近似定理
・コラム:統計力学と量子力学
第4章 発展的なニューラルネットワーク
・4.1 畳み込みニューラルネットワーク
・4.2 再帰的ニューラルネットワークと誤差逆伝播 
・4.3 LSTM
・コラム:カオスの縁と計算可能性の創発
第5章 サンプリングの必要性と原理
・5.1 中心極限定理と機械学習における役割
・5.2 様々なサンプリング法
・5.3 詳細釣り合いを満たすサンプリング法
・コラム:イジング模型からホップフィールド模型へ
第6章 教師なし深層学習
・6.1 教師なし学習
・6.2 ボルツマンマシン
・6.3 敵対的生成ネットワーク
・6.4 生成モデルの汎化について
・コラム:自己学習モンテカルロ法

【第II部 物理学への応用と展開】
第7章 物理学における逆問題
・7.1 逆問題と学習
・7.2 逆問題における正則化
・7.3 逆問題と物理学的機械学習
・コラム:スパースモデリング
第8章 相転移をディープラーニングで見いだせるか
・8.1 相転移とは
・8.2 ニューラルネットワークを使った相転移検出
・8.3 ニューラルネットワークは何を見ているのか
第9章 力学系とニューラルネットワーク
・9.1 微分方程式とニューラルネットワーク
・9.2 ハミルトン力学系の表示
第10章 スピングラスとニューラルネットワーク
・10.1 ホップフィールド模型とスピングラス
・10.2 記憶とアトラクター
・10.3 同期と階層化
第11章 量子多体系、テンソルネットワークとニューラルネットワーク
・11.1 波動関数をニューラルネットで
・11.2 テンソルネットワークとニューラルネットワーク
第12章 超弦理論への応用
・12.1 超弦理論における逆問題
・12.2 曲がった時空はニューラルネットワーク
・12.3 ニューラルネットで創発する時空
・12.4 QCDから創発する時空
・コラム:ブラックホールと情報
第13章 おわりに
著者略歴
田中 章詞(タナカ アキノリ)
博士(理学) 理化学研究所特別研究員(革新知能統合研究センター/数理創造プログラム)
富谷 昭夫(トミヤ アキオ)
博士(理学) 理化学研究所基礎科学特別研究員(理研BNL研究センター計算物理研究グループ)
橋本 幸士(ハシモト コウジ)
理学博士 大阪大学大学院理学研究科教授

※近刊検索デルタの書誌情報はopenBDのAPIを使用しています。

講談社の既刊から
斉藤洋/著 宮本えつよし/著 田名網敬一/著 脇田明日香/著
斉藤洋/著 森田みちよ/著
川上泰樹/著 伏瀬/原著 みっつばー/著
斉藤洋/著 杉浦範茂/著
斉藤洋/著 宮本えつよし/著
本日のピックアップ
コロナ社:志堂寺和則 
現代人文社:山本晴太 川上詩朗 殷勇基 張界満 金昌浩 青木有加 
マイナビ出版:ポケットマニュアル編集部 

連載記事

発売してからどうです(仮)

>> もっと見る

※近刊検索デルタの書誌情報はopenBDのAPIを利用しています。