医師・医学生のための人工知能入門

出版社: 中外医学社
著者:
発行日: 2020-05-20
分野: 臨床医学:内科  >  脳神経科学/神経内科学
ISBN: 9784498048843
電子書籍版: 2020-05-20 (1版1刷)
書籍・雑誌
≪全国送料無料でお届け≫
取寄せ目安:8~14営業日

3,740 円(税込)

電子書籍
章別単位で購入
ブラウザ、アプリ閲覧

3,740 円(税込)

商品紹介

現状のAIは,囲碁の世界王者に勝てるのに東大には合格できない.それはなぜか.1980年代のニューロブームを体験した脳生理学者である著者が,脳と比較しながらAIの基礎・歴史から応用や展望まで解説.平易な語り口をたどるうち,AIと脳研究の新たなクロスオーバーが見えてくるはずだ.

目次

  • Chapter 1 人工知能が東大に合格する日は来るか 
    Chapter 2 「画像を分類する」人工知能(1)
          深層学習がブレイクスルーをもたらした
    Chapter 3 「画像を分類する」人工知能(2)
          分類の基本は線を引く
    Chapter 4 「画像を分類する」人工知能(3)AlexNet成功の鍵(1)
      畳み込みでシナプスを減らす
    Chapter 5 「画像を分類する」人工知能(4)AlexNet成功の鍵(2)
           シナプスの結合を正しい方向に変える
    Chapter 6 深層学習で再現された視覚経路の階層構造 (1)
    Chapter 7 深層学習で再現された視覚経路の階層構造 (2)
    Chapter 8 深層学習で再現された格子細胞
    Chapter 9 LSTMで時系列信号の情報処理が飛躍的に発展した
    Chapter 10 深層学習を画像診断に応用する
    Chapter 11 深層学習による音声・言語処理(1)
           Word2Vec:人工神経回路を使った単語のベクトル化
    Chapter 12 深層学習による音声・言語処理(2)
           音声を「聞き取る」多層人工神経回路
    Chapter 13 GANs(1)データを作り出す2人組
    Chapter 14 GANs(2)急速な進展と脳科学への示唆
    Chapter 15 強化学習(1)歴史的背景
    Chapter 16 強化学習(2)TD学習:価値の時間差分で報酬予測誤差を表現する
    Chapter 17 強化学習(3)TD学習でスペースインベーダーを攻略する
    Chapter 18 強化学習(4)AlphaGo(1)深層学習の応用 
    Chapter 19 強化学習(5)AlphaGo(2)ゲーム木を使った先読み
    Chapter 20 強化学習(6)AlphaGo Zero独力で「離」の境地に達した孤高の棋士
    Chapter 21 意味とは何か(1)情報理論は意味を捨てた
    Chapter 22 意味とは何か(2)情報理論で意識のレベルと内容を定義する試み
    Chapter 23 意味とは何か(3)フリストンの自由エネルギー原理
    Chapter 24 意味とは何か(4)人工知能は東大に入れるか

この書籍の参考文献

参考文献のリンクは、リンク先の都合等により正しく表示されない場合がありますので、あらかじめご了承下さい。

本参考文献は電子書籍掲載内容を元にしております。

Chapter 1 人工知能が東大に合格する日は来るか

P.8 掲載の参考文献

Chapter 2 「画像を分類する」人工知能 ( 1 ) 深層学習がブレイクスルーをもたらした

P.14 掲載の参考文献
1) Krizhevsky A, Sutskever I, Hinton G. ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems 25 (NIPS 2012). 2012.

Chapter 3 「画像を分類する」人工知能 ( 2 ) 分類の基本は線を引く

P.20 掲載の参考文献
1) 甘利俊一. 情報理論 II-情報の幾何学的理論. 共立出版 ; 1968.

Chapter 4 「画像を分類する」人工知能 ( 3 ) AlexNet 成功の鍵 ( 1 ) 畳み込みでシナプスを減らす

P.28 掲載の参考文献

Chapter 5 「画像を分類する」人工知能 ( 4 ) AlexNet 成功の鍵 ( 2 ) シナプスの結合を正しい方向に変える

P.36 掲載の参考文献
1) Krizhevsky A, Sutskever I, Hinton G. ImageNet classification with deep convolutional neural networks. In Advances in Neural Information Processing Systems 25 (NIPS 2012). 2012.

Chapter 6 深層学習で再現された視覚経路の階層構造 ( 1 )

P.41 掲載の参考文献

Chapter 7 深層学習で再現された視覚経路の階層構造 ( 2 )

P.48 掲載の参考文献

Chapter 8 深層学習で再現された格子細胞

P.54 掲載の参考文献

Chapter 9 LSTMで時系列信号の情報処理が飛躍的に発展した

P.62 掲載の参考文献

Chapter 10 深層学習を画像診断に応用する

P.69 掲載の参考文献

Chapter 11 深層学習による音声・言語処理 ( 1 ) Word2Vec : 人工神経回路を使った単語のベクトル化

P.76 掲載の参考文献
1) How many words are there in the English language? (Oxford University Press). https ://en.oxforddictionaries.com/explore/how-many-words-are-there-in-the-english-language/ (2020年3月閲覧)
2) Mikolov T, Chen K, Corrado G, et al. Efficient estimation of word representations in vector space. arXiv, 1391, 3781v1393 (2013).
3) Mikolov T, Sutskever I, Chen K, et al. Distributed representations of words and phrases and their compositionality. arXiv : 1310.4546 [cs. CL] (2013).
4) Mikolov T, Grave E, Bojanowski P, et al. Advances in pre-training distributed word representations. arXiv : 1712.09405v09401 [cs. CL] (2017)

Chapter 12 深層学習による音声・言語処理 ( 2 ) 音声を「聞き取る」多層人工神経回路

P.81 掲載の参考文献

Chapter 13 GANs ( 1 ) データを作り出す2人組

P.86 掲載の参考文献
1) Goodfellow IJ, Pouget-Abadie J, Mirza M, et al. Generative adversarial nets. arXiv : 1406.2661v1401 [stat. ML]. 2014.
2) Radford A, Metz L, Chintala S. Unsupervised representation learning with deep convolutional generative adversarial networks. ICLR. arXiv : 1511.06434v06432 [cs. LG]. 2016.
3) Bae SH. Deep Convolutional Generative Adversarial Network (DCGAN) implementation on MatConvNet (compliant to any MCN version). https://github.com/sunghbae/dcgan-matconvnet, 2017.

Chapter 14 GANs ( 2 ) 急速な進展と脳科学への示唆

P.94 掲載の参考文献

Chapter 15 強化学習 ( 1 ) 歴史的背景

P.100 掲載の参考文献

Chapter 16 強化学習 ( 2 ) TD学習 : 価値の時間差分で報酬予測誤差を表現する

P.109 掲載の参考文献

Chapter 17 強化学習 ( 3 ) TD学習でスペースインベーダーを攻略する

P.118 掲載の参考文献
2) https://www.youtube.com/watch?v=W2CAghUiofY (2020年3月閲覧)
3) https://www.youtube.com/watch?v=TmPfTpjtdgg (2020年3月閲覧)

Chapter 18 強化学習 ( 4 ) AlphaGo ( 1 ) 深層学習の応用

P.125 掲載の参考文献

Chapter 19 強化学習 ( 5 ) AlphaGo ( 2 ) ゲーム木を使った先読み

P.134 掲載の参考文献

Chapter 20 強化学習 ( 6 ) AlphaGo Zero 独力で「離」の境地に達した孤高の棋士

P.143 掲載の参考文献

Chapter 21 意味とは何か ( 1 ) 情報理論は意味を捨てた

P.150 掲載の参考文献
1) 新井紀子. 「ロボットは東大に入れるか」という企て. 情報処理. 2017 ; 58 : 598-9.
3) 甘利俊一. 情報理論. ダイヤモンド社 ; 1970.

Chapter 22 意味とは何か ( 2 ) 情報理論で意識のレベルと内容を定義する試み

P.157 掲載の参考文献

Chapter 23 意味とは何か ( 3 ) フリストンの自由エネルギー原理

P.166 掲載の参考文献

Chapter 24 意味とは何か ( 4 ) 人工知能は東大に入れるか

P.176 掲載の参考文献
1) 新井紀子. 「ロボットは東大に入れるか」という企て. 情報処理. 2017 ; 58 : 598-9.
2) 杉山弘晃, 堂坂浩二, 南泰浩, 他. センター試験英語問題における単文・複数文問題の自動解答手法. 情報処理. 2017 ; 58 : 600-1.
3) 磯崎秀樹, 菊井玄一郎, 平博順, 他. センター試験英語問題における長文読解問題の自動解答手法. 情報処理. 2017 ; 58 : 602.
4) 岩根秀直, 横野光, 岩ケ谷崇, 他. 力学問題の自動解答への取り組み. 情報処理. 2017 ; 58 : 605-6.

最近チェックした商品履歴

Loading...