本書は『わかりやすいパターン認識』(第1版1998年、第2版2019年)、『続わかりやすいパターン認識』(2014年)の姉妹書として、教師付き学習における非線形な識別処理を主テーマに、パターン認識・機械学習を解説したものです。本書ではサポートベクトルマシン、カーネル法、畳み込みニューラルネットワークを取り上げ、それらの前段階として、一般化線形識別関数、ポテンシャル関数法も紹介しています。
パターン認識・機械学習を学びたい初学者が独学で学べるようにわかりやすい記述として、具体例、実験例をできるだけ取り入れて解説しています。また章末に演習問題を設けて、力試しができるようにもなっています。演習問題の解答はオーム社Webページからダウンロードできるようになっています。
このような方におすすめ
パターン認識・機械学習を学びたい方
主要目次
第1章 線形識別関数とパーセプトロン
第2章 線形分離不可能な分布
第3章 一般化線形識別関数
第4章 ポテンシャル関数法
第5章 サポートベクトルマシン
第6章 カーネル法
第7章 ニューラルネットワーク
第8章 畳み込みニューラルネットワーク
付録 補足事項
石井健一郎(いしい けんいちろう)
1972年,東京大学工学部計数工学科卒業.1974 年,同大学院修士課程修了.同年,日本電信電話公社(現NTT)
(1章~4章,7章を担当.5章の一部,8章の一部,
前田英作(まえだ えいさく)
1984年,東京大学理学部生物学科卒業.1986年,
(6章を担当.5章の一部,8章の一部,付録の一部を担当.)