著者・作者名/出版社名/ブランド名で検索

    詳細検索 詳細検索

    KS物理専門書 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

    ジャンル: 物理

    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

    価格:3,520円(3,200円+320円)

    買い物カゴへ 買い物カゴを見る

    商品を買い物カゴに入れました

    買い物カゴに入れられませんでした

    ほしい本に追加 ほしい本を見る

    商品をほしい本に追加しました

    ほしい本に入れられませんでした

    著者名:田中 章詞富谷 昭夫橋本 幸士田中 章詞富谷 昭夫橋本 幸士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

    出版社:講談社(文芸)

    販売開始日:2019年07月05日

    ISBNコード:978-4065162620

     

    本商品は「一般書学習ビューア」で
    ご利用いただけます。

    アプリのダウンロードはこちら
     
     
    対応デバイス PC iPhone(iPod touch) iPad AndroidS AndroidM AndroidL
    コンテンツタイプ EPUB EPUB EPUB EPUB EPUB EPUB
    ファイルサイズ 162.6MB 162.6MB 162.6MB 162.6MB 162.6MB 162.6MB
    ダウンロード期間 ※ 365日 365日 365日 365日 365日 365日

    コンテンツタイプ「DRM付PDF」について
    ※DRM処理がされたPDFファイルとなりますので、「VarsityWave eBooks」アプリでのみお読みいただくことが可能となっております。

    対応デバイスについて
    ダウンロード期限について
    ※ダウンロード期限の表示があるコンテンツについては、ダウンロード期間内であれば、何回でもダウンロードできます。なお、ダウンロード期限を過ぎても、端末にダウンロード済みの本は引き続きお読み頂けます。
    ※ダウンロード期限の表示がないコンテンツについては、一度購入いただきますと、無期限で再ダウンロード、または端末での閲覧が可能です。

    閲覧期限について
    書名の末尾に【レンタル商品】と記載がある商品は、電子書籍の利用期間に制限があります。購入日から記載されている期間のみご利用いただけます。
    なお【レンタル商品】ご利用中に作成したアノテーションは利用期間終了後も保存しており、利用期間終了後【差額商品】を購入いただくとアノテーションは引き続きご利用いただけます。
    ※ただしアノテーションの保存期間は別途利用規約で規定しております。

    ビューア機能の違いについて

    コンテンツタイプの違いについて
    【PDF】電子書籍のレイアウトが固定されています。拡大表示時には本文・図などが拡大され、画面からはみ出して表示します。
    【リフロー】拡大表示時には文字サイズが拡大され、文字サイズに合わせて表示レイアウトが変更されます。
    【辞書形式】通常の電子書籍としてご利用いただけるほか、ビューアアプリの辞書連携機能の連携先として利用いただけます。

    商品形態の違いについて
    ご覧いただいている商品は【通常商品】、【レンタル商品】、【差額商品】が設定されております。
    【通常商品】は購入いただくと利用期間に制限なくご利用いただけます。
    【レンタル商品】は利用期間に制限があり、購入日から記載されている期間のみご利用いただけます。
    【差額商品】は【レンタル商品】を購入した方のみ購入でき、【差額商品】を購入いただくことで【通常商品】と同様に利用期間に制限なくご利用いただけるようになります。

     
    田中 章詞富谷 昭夫橋本 幸士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
    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

    ページトップへ