情報
産業応用を見据えた深層学習の理論
深層学習の全体像を包括的かつ体系的に解説
各産業に向けて深層学習の実用的な参考となるよう、深層学習の理論、実装、応用という異なる視点から3巻の書籍に分けて書いています。この3巻の書籍は、深層学習の全体像を包括的かつ体系的に解説しており、実際の応用で直面する様々な問題に対処するのに役立ちます。理論編である本書では、モデルの構造、損失関数と評価指標から深層学習の説明性、連合深層学習までを扱っています。
発売日、価格など予告なく変更する場合がございます。
電子書籍¥8,690 小売希望価格（税込）
ペーパーバック（カバーなし）¥8,690小売希望価格（税込）
単行本（カバーあり）¥8,690小売希望価格（税込）
基本情報
| 発売日 | 2026年7月3日 |
|---|---|
| 本体価格 | 7,900円 |
| ページ数 | 540 ページ ※印刷物 |
| サイズ | B5 |
| ISBN(POD) | 9784764961432 |
| ISBN (カバー付単行本) |
9784764907898 |
| ジャンル | 情報 |
| タグ | 機械学習・深層学習, 近代科学社Digital |
| 電子書籍形式 |
主要目次
第1章 モデルの構造
1.1 導入
1.2 ニューラルネットワーク
1.3 畳み込みニューラルネットワーク(CNN)
1.4 Transformer
1.5 グラフニューラルネットワーク(GNN)
1.6 専門家の混合(MoE)
1.7 拡散モデル
第2章 損失関数と評価指標
2.1 導入
2.2 専門分野のタスク
2.3 大規模言語モデル(LLM)
2.4 マルチモーダル大規模モデル
2.5 検索拡張生成(RAG)
2.6 視覚生成大規模モデル
第3章 モデルの学習
3.1 導入
3.2 モデルの最適化
3.3 誤差逆伝播法
3.4 パラメータ初期化
3.5 正則化
3.6 指数移動平均(EMA)
3.7 勾配流
第4章 深層強化学習
4.1 導入
4.2 理論的基礎と枠組み
4.3 アルゴリズム体系
4.4 モジュール
4.5 深層強化学習と大規模言語モデル(LLM)
4.6 マルチエージェント強化学習(MARL)
4.7 検証可能な報酬からの強化学習(RLVR)
第5章 モデルの構築
5.1 導入
5.2 軽量型モデルの構築
5.3 大規模言語モデル(LLM) の構築
5.4 マルチモーダルモデルの構築
5.5 世界モデル
第6章 実用モデル
6.1 導入
6.2 超軽量型畳み込みニューラルネットワーク(CNN) モデル
6.3 BitNet
6.4 Qwen3 シリーズモデル
6.5 検索拡張生成(RAG)
6.6 HunyuanVideo
6.7 HunyuanWorld 1.5
第7章 深層学習の説明性
7.1 導入
7.2 畳み込みニューラルネットワーク(CNN) の説明性
7.3 注意機構の説明性
7.4 グラフニューラルネットワーク(GNN) の説明性
7.5 大規模言語モデル(LLM) の説明性
7.6 マルチモーダル大規模モデルの説明性
第8章 連合深層学習
8.1 導入
8.2 基礎理論
8.3 プライバシーとセキュリティ技術
8.4 通信効率最適化
8.5 異種性問題
8.6 連合LLM
8.7 連合深層強化学習