close
1.

図書

図書
新納浩幸著
出版情報: 東京 : 森北出版, 2004.5  vi, 175p ; 22cm
所蔵情報: loading…
2.

図書

図書
新納浩幸著
出版情報: 東京 : オーム社, 2016.9  viii, 182p ; 21cm
所蔵情報: loading…
目次情報: 続きを見る
第0章 : Chainerとは
第1章 : NumPyで最低限知っておくこと
第2章 : ニューラルネットのおさらい
第3章 : Chainerの使い方
第4章 : Chainerの利用例
第5章 Denoising : AutoEncoder
第6章 : word2vec
第7章 Recurrent Neural : Network
第8章 : 翻訳モデル
第9章 : Caffeのモデルの利用
第10章 : GPUの利用
第0章 : Chainerとは
第1章 : NumPyで最低限知っておくこと
第2章 : ニューラルネットのおさらい
3.

図書

東工大
目次DB

図書
東工大
目次DB
新納浩幸著
出版情報: 東京 : オーム社, 2007.11  x, 208p ; 21cm
所蔵情報: loading…
目次情報: 続きを見る
はじめに iii
第1章 Rの準備 1
   1.1 Rのインストール 2
   1.2 Rの基本操作 2
   1.2.1 Rの起動と終了 2
   1.2.2 Rの関数 5
   1.2.3 ベクトルの演算 6
   1.2.4 行列の演算 8
   1.2.5 ファイル入出力 13
   1.2.6 統計関係の関数 16
   1.2.7 パッケージ 19
   1.3 Rプログラミングの基礎 22
   1.3.1 条件分岐と繰り返し 22
   1.3.2 繰り返しの制御 25
   1.3.3 関数の書き方 26
   1.3.4 任意の引数とデフォルトの値 28
   1.3.5 ファイルのロード 29
   1.3.6 バッチ処理 30
第2章 クラスタリング入門 33
   2.1 クラスタリングとは 34
   2.2 クラスタリング手法の概要 35
   2.3 クラスタリング結果の評価 37
   2.3.1 クロス表 37
   2.3.2 エントロピー(entropy) 38
   2.3.3 純度(purity) 39
   2.3.4 F尺度(F-measure) 40
   2.3.5 精度(accuracy) 41
   2.4 Rのプログラミングメモ 42
   2.4.1 関数apply( ) 42
   2.4.2 関数rowSums( )とcolSums( ) 43
   2.4.3 無名関数 44
第3章 クラスタリングの準備 45
   3.1 データのベクトル化 46
   3.2 データ間の(非)類似度 48
   3.3 本書で扱うデータセット 49
   3.4 スパース行列の扱い 52
   3.5 Rのプログラミングメモ 54
   3.5.1 対角行列 54
   3.5.2 ワンズベクトル 57
第4章 階層的手法 61
   4.1 アルゴリズムと数値例 62
   4.2 デンドログラム 70
   4.3 Rによる解析 72
   4.4 Rのプログラミングメモ 76
   4.4.1 転置行列 76
   4.4.2 関数as.~( ) 78
第5章 k-means 81
   5.1 アルゴリズム 82
   5.2 数値例 83
   5.3 Rによる解析 88
   5.4 Rのプログラミングメモ 92
   5.4.1 関数sample( ) 92
   5.4.2 関数duplicated( ) 93
   5.4.3 並行して処理できる繰り返し 94
第6章 混合分布モデル 97
   6.1 確率モデルによるクラスタリング 98
   6.2 EMアルゴリズム 102
   6.3 数値例 109
   6.4 Rによる解析 113
   6.5 Rのプログラミングメモ 117
   6.5.1 関数which.max( )とwhich.min( ) 117
   6.5.2 ベクトルのインデックスの取り出し 117
   6.5.3 グラフの作成 118
第7章 スペクトラルクラスタリング 121
   7.1 グラフ分割としてのクラスタリング 122
   7.1.1 MCut 123
   7.1.2 Ncut 127
   7.2 数値例 129
   7.3 Rによる解析 132
   7.4 Rのプログラミングメモ 135
   7.4.1 関数order( ) 135
   7.4.2 行列の一部は行列 135
   7.4.3 関数eigen( ) 137
第8章 次元縮約 139
   8.1 高次元データから低次元データへ 140
   8.1.1 特異値分解 140
   8.1.2 LSI 142
   8.1.3 pLSI 142
   8.1.4 NMF 147
   8.2 数値例 152
   8.2.1 特異値分解 152
   8.2.2 pLSI 154
   8.2.3 NMF 157
   8.3 Rによる解析 160
   8.3.1 特異値分解 160
   8.3.2 pLSI 161
   8.3.3 NMF 164
   8.4 Rのプログラミングメモ 166
   8.4.1 複数の返り値 166
   8.4.2 3次元配列 166
   8.4.3 関数paste( ) 167
第9章 ファジィクラスタリング 169
   9.1 アルゴリズム 170
   9.2 数値例 173
   9.3 Rによる解析 178
   9.4 Rのプログラミングメモ 181
   9.4.1 デバッグ 181
   9.4.2 ソースの確認 183
   9.4.3 関数help( ) 185
付録 式の証明 187
   A.1 式(6.4)の証明 188
   A.2 式(6.5)の証明 189
   A.3 式(7.4)の証明 192
   A.4 式(7.5)の証明 192
   A.5 式(7.6)の証明 193
   A.6 式(7.7)の証明 194
   A.7 式(8.5)について 195
   A.8 式(8.11)の証明 196
   A.9 式(8.12)の証明 198
   A.10 式(8.13)について 199
   A.11 式(8.14)について 200
参考文献 201
索引 205
はじめに iii
第1章 Rの準備 1
   1.1 Rのインストール 2
4.

図書

図書
新納浩幸著
出版情報: 東京 : オーム社, 2017.9  ix, 196p ; 21cm
所蔵情報: loading…
目次情報: 続きを見る
Chainerとは
NumPyで最低限知っておくこと
ニューラルネットのおさらい
Chainerの使い方
Chainerの利用例
Trainer
Denoising : AutoEncoder
Convolution Neural : Network
word2vec
Recurrent Neural : Network〔ほか〕
Chainerとは
NumPyで最低限知っておくこと
ニューラルネットのおさらい
5.

図書

図書
Tariq Rashid著 ; 新納浩幸監訳
出版情報: 東京 : マイナビ出版, 2017.4  271p ; 21cm
所蔵情報: loading…
目次情報: 続きを見る
1 どうやって動くのか : 自分には簡単だけど、相手にとっては困難
単純な予測マシン
分類と予測に大きな違いはない ほか
2 Pythonでやってみよう : Python
インタラクティブなPython=IPython
とてもやさしいPython入門 ほか
3 もっと楽しく : 自身の手書き文字
ニューラルネットワークの心の中
回転による新しい訓練データの作成
付録 : 微分のやさしい導入
Raspberry Piでやってみよう
1 どうやって動くのか : 自分には簡単だけど、相手にとっては困難
単純な予測マシン
分類と予測に大きな違いはない ほか
概要: 人工知能の分野でパワフルかつ有用な手法として期待されている。“ニューラルネットワーク”の入門書。必要となる数学を理解できるよう一歩一歩丁寧に解説。コンピュータ言語:Pythonを活用してニューラルネットワークを自作してどのように動くのかを理 解! 続きを見る
文献の複写および貸借の依頼を行う
 文献複写・貸借依頼