![[第3版]Python機械学習プログラミング 達人データサイエンティストによる理論と実践 (impress top gear)](https://images-fe.ssl-images-amazon.com/images/I/81dC32FEpGL._AC_UL160_SR160,160_.jpg)
間違った計算はやってないと思いますが、多分著者はあまり数学を理解していないと思いました。
数学をそれなりに学んだことがある人は、δや∂といった変数や記号は誤解を生まないように扱うと思いますが、この本でのそれらの扱い方がよろしくないです。
例えば、この本では∂E/∂bk を単に∂bkと定義しています。
数学や理論物理をされた方であれば、微分される側の変数を省略するような書き方は普通しません。
やるなら∂Eと書いて、微分した変数を∂の右下に小さな添字で記入します。
そしてアインシュタインの縮約の記法を使って、同じ添字の場合は和をとって、そうでない場合は別の変数として扱うなど、そういった扱い方をします。
そして、上記のような成分計算を行う際はクロネッカーのデルタ（δij）がよく出てくるものです。
しかしこの本では、そんな中、ある変数で微分したものをδkと定義したり、紛らわしい事この上ないです。
そのようなわけで、理工系学部で数学をまともに勉強したことがある人は結構アレルギー反応を示すと思いました。
無料のKindleアプリをダウンロードして、スマートフォン、タブレット、またはコンピューターで今すぐKindle本を読むことができます。Kindleデバイスは必要ありません 。詳細はこちら
Kindle Cloud Readerを使い、ブラウザですぐに読むことができます。
携帯電話のカメラを使用する - 以下のコードをスキャンし、Kindleアプリをダウンロードしてください。
携帯電話またはEメールアドレスを入力する
リクエストを処理しています...
「リンクを送信」を押すと、Amazonの利用規約に同意したことになります。
お客様は、AmazonまたはAmazonの代理業者からのKindleアプリに関する自動テキストメッセージを、上記の携帯電話番号に受信することに同意するものとします。同意は購入の条件ではありません。メッセージおよびデータ料金が適用される場合があります。
この商品には新版があります:
この商品を見た後に買っているのは？
ページ: 1 / 1 最初に戻るページ: 1 / 1
出版社より
本書は、可能な限り多くの方がディープラーニングの本質を学ぶことができるように、プログラミングと数学から畳み込みニュートラルネットワークに至まで、手を動かしながら少しづつ丁寧に学べるように設計されています。また扱うコードは直感的な分かりやすさを重視しています。変数名やコメントにも注意を払い、可能な限りシンプルで可読性高いコードを心がけています。本書が、多くの方々のAIに取り組むきっかけになれば嬉しい限りです。
|
|
|
|
|---|---|---|
ニュートラルネットワークニュートラルネットワークには、複数の入力と複数の出力があります。多数のパラメーターを持っており、これらを調整することで豊かな表現力を発揮します。ディープラーニングにおいては、これらのパラメータが最適化されることで、学習が行われます。学習が最適に行われると、入力に対して適切な判断を行った結果が、出力として得られるようになります。 |
Pythonの文inは「x in y」という形式で使い、yの中にxが含まれる場合にtrueを返します。yには後述するリストやタプルを指定します。また、＋演算子は文字列や後述するリストの結合に利用するできます。 |
軸とtransposeメソッドNumPyには、軸（axis）という概念があります。軸とは文字通り座標軸のことで、配列において数値が並ぶ方向のことです。軸は次元の数と同じ数存在します。例えば一次元配列には1つの軸があり、2次元配列には2つの軸が、3次元配列には3つの軸があることになります。軸にはそれぞれインデックスがあります。2次元配列の場合、縦方向の軸はaxis＝0で、横方向の軸はaxis＝1となります。 |
|
|
|
|
|---|---|---|
行列の行と列行がm個、列がn個並んでいる行列を、m×nの行列と表現します。従って、上記の1の行列は3×4の行列になります。なお、縦ベクトルは列の数が1の行列と、横ベクトルは行の数が1の行列と考えることもできます。本書における数式では、アルファベット大文字のイタリックで行列を表します。上記は行列の表記の例です。 |
勾配降下法この際の各重みの変化量は、この曲線の傾き、すなわち勾配で決まります。バイアスの場合も同様です。従って、ニュートラルネットワークのすべての重みとバイアスを更新するためにまず必要なことは、すべての重みとバイアスに対する、誤差の勾配を求めることになります。このような最小値を局所最適解といいます。それに対して、真の最小値を最大最適解といいます。 |
ドロップアウト(Dropout)ドロップアウトは、出力層以外ニューロンを一定の確率でランダムに消去するテクニックです。次の図にドロップアウトの概略を示しますが、入力層、中間層のニューロンがいくつか消去（×がついているもの）されて、ネットワークがまばらになっています。消去されるニューロンは、重みとバイアスの更新ごとに入れ替わります。層のニューロンが消去されずに残る確率をpとした場合、中間層にはp＝0.5が、入力層にはp＝0.8～0.9などの値が用いられる場合が多いようです。 |
著者について
著者をフォローして、新作のアップデートや改善されたおすすめを入手してください。
