Interface編集部
【別冊付録】ディープ・ラーニングの始まりと現代社会での活用
～2024年ノーベル物理学賞/化学賞をひもとく～
【新連載】もっと深掘り！Git＆GitHub
【注目】小型カメラの画像評価術
数学＆図解でディープ・ラーニング
-
数学＆図解でディープ・ラーニング
p.21
-
イントロダクション1
使いこなすには学習のからくりを理解するのが近道
話題のLLMとディープ・ラーニングの関係
新井 正敏
pp.22-25
-
イントロダクション2
ディープ・ラーニング機能は使わずスクラッチで！6カ月ライセンスでじっくり試せる
MATLABで脱ブラックボックス！ディープ・ラーニングを解き明かす
新井 正敏
pp.26-28
-
プロローグ1
人手で学習するか，自動で学習するか…手間や必要な計算資源が大きく異なる
特集を読む前に知っておきたい…機械学習とディープ・ラーニングの違い
新井 正敏
pp.29-34
-
プロローグ2
畳み込み層，プーリング層，全結合層の3つを組み合わせて学習モデルを構成する
ディープ・ラーニングの全体像
新井 正敏
pp.35-36
-
第1章
Simulinkで1ニューロンから手作り！モデル化から学習メカニズム，活性化関数まで
単純ニューラル・ネットワークのモデル化と学習
新井 正敏
pp.37-53
-
第2章
ディープ・ラーニングのからくり理解に必須!数学の基礎から応用事例まで
ベクトルと行列
新井 正敏
pp.54-73
-
第3章
それぞれの特徴からディープ・ラーニングにおける役割まで
常微分/偏微分/全微分の基礎
新井 正敏
pp.74-87
-
第4章
全結合層の概要から，回帰/分類モデルの設計＆シミュレーションまで
ニューラル・ネットワークが予測を行う仕組み
新井 正敏
pp.88-97
-
第5章
損失関数と勾配降下法を使ってパラメータを更新するバックプロパゲーションのからくりを解き明かす
ニューラル・ネットワークが学習を行う仕組み
新井 正敏
pp.98-114
-
第6章
数式とソースコードの対応を見ながら学習のからくりを解き明かす
全結合層をMATLABコードでフルスクラッチ実装
新井 正敏
pp.115-122
-
第7章
定番の畳み込みニューラル・ネットワーク AlexNetを転移学習でカスタマイズして利用する
既存ネットワークで画像データ分類をサッと体験
新井 正敏
pp.123-131
-
第8章
モーメンタムの概念を使って安定的な学習を進めるメカニズムを解き明かす
ベクトル解析の学び直しと転移学習のからくり
新井 正敏
pp.132-136
-
第9章
フィルタの概念から離散データの差分微分まで
畳み込みの基礎知識
新井 正敏
pp.137-145
-
第10章
2次元のフィルタを使ってエッジを検出するメカニズムを解き明かす
畳み込みと画像特徴抽出
新井 正敏
pp.146-157
画像評価
-
監視や車載など組み込み向け小型カメラの画像評価術
第4回 色測定結果の読み方
戸田 浩一，芦垣 彩菜
pp.17-20
-
ラズパイで体験！CMOSイメージセンサ性能の測定評価
第10回 PRNUその2…実測
米本 和也
pp.164-170
OS使いこなし
-
Yocto Projectではじめる組み込みLinux開発入門
第15回 ROCK4C+編⑥…無線LANを動かす
三ツ木 祐介
pp.158-163
テクノロジー掘り下げ
-
新連載 もっと深掘り！Git＆GitHub
第1回 Gitが情報を記録する仕組み
松岡 貴志，高瀬 英希
pp.171-174
-
便利クレート探偵団
第7回 ビット・フィールドへのアクセスを簡単にするbit_fieldとbitfield
中林 智之
pp.175-179
-
数理最適化プログラミング
第5回 生物の進化をヒントに最適化問題を解く
牧野 浩二
pp.185-187
AI画像処理
-
生成AI×エッジ・デバイスでAI画像認識
第2回 ディープ・ラーニングで画像認識…まずはPCで学習・推論してみる
岩田 利王
pp.180-184
ニュース＆レポート＆お知らせ
-
ほんのりInterface
pp.188-189
-
Dojo通信
第5回 若葉みつわ台（千葉県）編
p.189
-
読者プレゼント
p.193
-
次号予告
p.194
別冊付録
-
やりなおしのためのコンピュータ技術 特別編
ディープ・ラーニングの始まりと現代社会での活用
