田中 剛平/共著 -- 森北出版 -- 2021.3 --

所蔵

所蔵は 1 件です。

所蔵館 所蔵場所 資料区分 請求記号 資料コード 所蔵状態 資料の利用
配架日 協力貸出 利用状況 返却予定日 資料取扱 予約数 付録注記 備考
中央 2F 一般図書 /007.1/5919/2021 7114124650 配架図 Digital BookShelf
2021/04/27 可能 利用可   0
Eメールによる郵送複写申込みは、「東京都在住」の登録利用者の方が対象です。

資料詳細 閉じる

ISBN 4-627-85531-1
ISBN13桁 978-4-627-85531-1
タイトル リザバーコンピューティング
タイトルカナ リザバー コンピューティング
タイトル関連情報 時系列パターン認識のための高速機械学習の理論とハードウェア
タイトル関連情報読み ジケイレツ パターン ニンシキ ノ タメ ノ コウソク キカイ ガクシュウ ノ リロン ト ハードウェア
著者名 田中 剛平 /共著, 中根 了昌 /共著, 廣瀬 明 /共著
著者名典拠番号

110005304820000 , 110007828860000 , 110004073450000

並列タイトル reservoir computing
出版地 東京
出版者 森北出版
出版者カナ モリキタ シュッパン
出版年 2021.3
ページ数 6, 207p
大きさ 22cm
価格 ¥3600
内容紹介 深層学習時代の次なる注目技術「リザバーコンピューティング」。数理・アルゴリズムとデバイス開発・実装という、ソフトとハードの両面から、順を追って解説する。Pythonサンプルコードのダウンロードサービス付き。
書誌・年譜・年表 文献:p193~204
一般件名 機械学習-ndlsh-001210569
一般件名 機械学習
一般件名カナ キカイ ガクシュウ
一般件名典拠番号

511957000000000

分類:都立NDC10版 007.13
資料情報1 『リザバーコンピューティング 時系列パターン認識のための高速機械学習の理論とハードウェア』 田中 剛平/共著, 中根 了昌/共著 , 廣瀬 明/共著 森北出版 2021.3(所蔵館:中央  請求記号:/007.1/5919/2021  資料コード:7114124650)
URL https://catalog.library.metro.tokyo.lg.jp/winj/opac/switch-detail.do?lang=ja&bibid=1153795160

目次 閉じる

第1章 はじめに
  1.1 機械学習とは
  1.2 リザバーコンピューティングの概念
  1.3 リザバーコンピューティングの位置づけ
  1.4 歴史的背景
  1.5 本書の構成
第2章 人工ニューラルネットワーク
  2.1 背景
  2.2 人工ニューロンモデル
  2.3 活性化関数
  2.4 パーセプトロン
  2.5 ニューラルネットワークの構造
  2.6 順伝播型ニューラルネットワーク
  2.7 リカレントニューラルネットワーク
  2.8 まとめ
第3章 エコーステートネットワーク
  3.1 背景
  3.2 モデル
  3.3 リザバーの役割
  3.4 Echo State Property(ESP)
  3.5 モデル設計の指針
  3.6 学習アルゴリズム
  3.7 計算性能評価
  3.8 計算性能向上のヒント
  3.9 リザバーの性質
第4章 時系列パターン認識の基礎問題
  4.1 概要
  4.2 時間的排他的論理和(XOR)タスク
  4.3 時間的パリティタスク
  4.4 非線形チャネル等化
  4.5 波形分類
  4.6 正弦波生成
  4.7 非線形時系列予測(バッチ学習)
  4.8 非線形時系列予測(オンライン学習)
  4.9 カオス時系列予測
第5章 時系列パターン認識の応用問題
  5.1 応用分野
  5.2 時系列データの前処理
  5.3 発話数字認識
  5.4 心電図の異常検知
  5.5 太陽黒点データ予測
  5.6 まとめ
第6章 リキッドステートマシン
  6.1 背景
  6.2 概念
  6.3 フィルタ近似能力
  6.4 モデル実装
  6.5 スパイク列パターン認識
  6.6 まとめ
第7章 物理リザバーコンピューティング
  7.1 概要
  7.2 実装に向けた二つのアプローチ
  7.3 物理リザバーの分類
  7.4 物理リザバーの具体例
  7.5 まとめ
第8章 物理リザバーコンピューティングの要素技術
  8.1 信号処理の流れ
  8.2 要素技術
  8.3 まとめ
第9章 将来展望
  9.1 大雑把で高速な判断
  9.2 作り込まない脳型計算ハードウェア
  9.3 産業応用に向けて
  9.4 自然計算や脳科学とのつながり
  9.5 まとめ
付録
  A.1 RLS法に基づくオンライン学習則の導出
  A.2 遅延フィードバック型リザバーの具体例
  A.3 エクストリームラーニングマシン
  A.4 Pythonサンプルコード