※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 はじめに 第1部　オブジェクト指向とフレームワーク Chapter 1　オブジェクト指向理解のポイント Chapter 2　C++超入門 Chapter 3　オブジェクト指向分析・設計超入門 Chapter 4　フレームワークは快適な乗り物 Chapter 5　GAフレームワークの構造 Chapter 6　GPフレームワークの構造 第2部 遺伝的アルゴリズムの応用 Chapter 7　どの順序で作ろうか？ Chapter 8　時間割は奥深い Chapter 9　後片づけはむずかしい！？ Chapter 10　遊びじゃないスケジュール 第3部　遺伝的プログラミングの応用 Chapter 11　まずは多数決をとってみよう Chapter 12　この次にくる数はなんだろう Chapter 13　体積の差がわかるかい Chapter 14　人工蟻を進化させる Chapter 15　倉庫番はつらいかも 参考文献 あとがき 索引 ダウンロードサービスのご利用について

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 第1章 はじめに 第2章 遺伝的アルゴリズム概説 第3章 山登りをさせてみよう 第4章 できるだけ近道をしてみよう 第5章 最短手順を発見してみよう 第6章 迷路からの脱出 第7章 神になったつもり 第8章 最適スケジュールはたてられるかな おまけの章 進化をシミュレートしてみる ダウンロードサービスのご利用について 用語解説 参考文献 あとがき 索引

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 『機械学習と深層学習 C言語によるシミュレーション』のPython版登場!! 　本書は人工知能研究における機械学習の諸分野をわかりやすく解説し、それらの知識を前提として深層学習とは何かを示します。具体的な処理手続きやプログラム例（Python）を適宜示すことで、これらの技術がどのようなものなのかを理解できるように紹介していきます。 まえがき 第1章　機械学習とは 1.1　機械学習とは 1.1.1　深層学習の成果 1.1.2　学習と機械学習・深層学習 1.1.3　機械学習の分類 1.1.4　深層学習に至る機械学習の歴史 1.2　本書例題プログラムの実行環境について 1.2.1　プログラム実行までの流れ 1.2.2　プログラム実行の実際 第2章　機械学習の基礎 2.1　帰納学習. 2.1.1　演繹的学習と帰納的学習 2.1.2　帰納的学習の例題　―株価の予想― 2.1.3　帰納学習による株価予想プログラム 2.2　強化学習 2.2.1　強化学習とは 2.2.2　Q学習　強化学習の具体的方法 2.2.3　強化学習の例題設定　迷路抜け知識の学習 2.2.4　強化学習のプログラムによる実現 第3章　群知能と進化的手法 3.1　群知能 3.1.1　粒子群最適化法 3.1.2　蟻コロニー最適化法 3.1.3　蟻コロニー最適化法の実際 3.2　進化的手法 3.2.1　進化的手法とは 3.2.2　遺伝的アルゴリズムによる知識獲得 第4章　ニューラルネット 4.1　ニューラルネットワークの基礎 4.1.1　人工ニューロンのモデル 4.1.2　ニューラルネットと学習 4.1.3　ニューラルネットの種類 4.1.4　人工ニューロンの計算方法 4.1.5　ニューラルネットの計算方法 4.2　.バックプロパゲーションによるニューラルネットの学習 4.2.1　パーセプトロンの学習手続き 4.2.2　バックプロパゲーションの処理手続き 4.2.3　バックプロパゲーションの実際 第5章　深層学習 5.1　深層学習とは 5.1.1　従来のニューラルネットの限界と深層学習のアイデア 5.1.2　畳み込みニューラルネット 5.1.3　自己符号化器を用いる学習手法 5.2　深層学習の実際 5.2.1　畳み込み演算の実現 5.2.2　畳み込みニューラルネットの実現 5.2.3　自己符号化器の実現 付 録 A　荷物の重量と価値を生成するプログラム　kpdatagen.py B　ナップサック問題を全数探索で解くプログラム　direct.py 参考文献 索　　引

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 機械学習のしくみをイラストや図解でやさしく学ぼう！ 本書は、機械学習に関するさまざまなトピックスを概説する書籍です。人工知能における機械学習の位置づけを説明したのち、機械学習内の分野をマップ化し、マップ内の街（＝機械学習内の分野）を旅する形でやさしく解説していきます。 数式や複雑な処理手順は扱わずに、「どんなしくみで、どこで使われていて、どう役に立つのか」という要点をわかりやすく示します。大枠や要点を掴むことを主眼としているため、短時間・効率的に学ぶことができます。機械学習について関心をもっているものの、専門書はハードルが高いと感じている学生やビジネスパーソンにおすすめです。 構成は、はじめに人工知能における機械学習の位置づけや手法の分類を示したうえで、機械学習の個々のトピック……すなわち、ｋ近傍法や決定木などによる分類、進化的計算や群知能による最適化、強化学習、ニューラルネット、深層学習などを説明していきます。 まえがき 目次 はじまり－機械学習の国へ行こう－ 第一章　いりぐち－機械学習ってなんだろう？－ 機械学習ってなんだろう？ AIにできること いきものとコンピューター、それぞれの学びかた コンピューターの学習 機械学習はなにができるの？ 「言葉」を認識する 「画像」を認識する 　COLUMN　強いAIと弱いAI 第二章　観光案内所－機械学習の種類と仕組み－ 機械学習には種類がある 先生に正解を教えてもらおう－教師あり学習－ 教師データとラベル　 教師あり学習の仕組み 自力で学習を進めよう－教師なし学習－ 試行錯誤の経験から学習しよう－強化学習－ コラム　いろんな機械学習 学習した知識を役立てよう－汎化・タスク・アルゴリズム－ 学習のしすぎに注意！－過学習－ COLUMN　オッカムの剃刀とノーフリーランチ定理 第三章　分類の街－k近傍法と決定木－ 並べかたで分類しよう－k近傍法－ 　一刀両断、スパッと分類！－サポートベクターマシン－ ○と×で分類しよう－決定木－ 決定木の作りかた たくさんの決定木の森－ランダムフォレスト－ COLUMN　みにくいアヒルの子定理 第四章　最適化の街－進化的計算と群知能－ 最適化ってなんだろう？ 進化を模倣してよりよい情報を残そう－進化的計算－ いきものの進化の仕組み 進化的計算ってなんだろう？ 進化的計算の代表選手、遺伝的アルゴリズム 遺伝的アルゴリズムの仕組み もっと複雑なことをするには－遺伝的プログラミング－ 生物の群れの行動から学習しよう－群知能－ 蟻みたいに近道を見つけよう －蟻コロニー最適化法－ 大勢で答えを探そう－粒子群最適化法－ 魚みたいに餌を探そう－AFSA－ 第五章　試行錯誤の街－強化学習－ 強化学習ってなんだろう？ とにかく試行回数を重ねよう－モンテカルロ法－ より効率的に試行するには？－Q学習－ Q学習で迷路を脱出しよう 第六章　神経回路の街①－ニューラルネット－ 神経細胞と神経ネットワーク 神経細胞の模倣－人工ニューロン－ 神経ネットワークの模倣－人工ニューラルネットワーク－ ニューラルネットの学びかた 視覚のシミュレーション－パーセプトロン－ ハイスピードで学ぼう！－バックプロパゲーション－ ニューラルネットワークの種類 ①階層型 ニューラルネットワークの種類 ②全結合型と再帰型 「何か」を見つける－認識－ 「何か」を動かす－制御－ 「何か」を考える－判断－ 必ず「何か」を返してくる。……それでいいのかな？ 第七章　神経回路の街②－ディープラーニング－ ディープラーニングってなんだろう？ 人間の「視覚」を真似したニューラルネット これはイヌ？　それともネコ？－畳み込みニューラルネットの画像認識－ CNNはどうして高性能なんだろう？ 時間で変わるデータを分析しよう－リカレントニューラルネットとLSTM－ 本物そっくりのニセモノをつくる－敵対的生成ネットワーク－ ディープラーニングを自動翻訳に役立てよう 経験から学ぶ深層学習－深層強化学習－ 第八章　でぐち－機械学習をはじめよう－ 機械学習に使われる言葉－プログラミング言語Python－ 機械学習に使われるソフトウェア①－TensorFlowとKeras－ 機械学習に使われるソフトウェア②－Caffe、PyTorch、Chainer－ おわりに－AIについて学べる参考図書たち－ 　索引

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 システムトレーディングやアルゴリズムトレードと呼ばれる金融分野では、遺伝的アルゴリズム（GA）および遺伝的プログラミングGP（進化計算）が、応用され実用レベルまできている。本書は、金融に興味のある実務者や初心者を対象としたGA/GPと金融工学についての入門実践書である。さらに金融工学のスタンダードツールとして確立されているMT4（Meta Trader4） を用いたGA/GPシステムを提供している。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 コンピュータシミュレーションに関する最新の内容を、文系学部向けにわかりやすく解説！ 　シミュレーションは、工学・物理学などの理系学部だけでなく、経営や経済問題などにも幅広く用いられており、文科系大学で身につける基礎的な素養になっています。 　本書は、文科系学部を主対象としたコンピュータシミュレーションの教科書です。確率分布や乱数などシミュレーションの基礎から、遺伝的アルゴリズム、深層学習などの最新理論まで、図やグラフで直感的に理解できるよう解説しています。また、各章末には学習指導要領に沿った演習問題が掲載されています。 第1章　コンピュータシミュレーション概観 第2章　モデル構築のための基礎知識 第3章　決定的モデルのシミュレーション 第4章　経営モデルのシミュレーション 第5章　経済モデルのシミュレーション 第6章　確率的モデルのシミュレーションと乱数 第7章　モンテカルロ法 第8章　在庫管理 第9章　待ち行列 第10章　フラクタル 第11章　カオス 第12章　機械学習 第13章　遺伝的アルゴリズム 第14章　セルとエージェントによるシミュレーション

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 生物・数学・物理の全学徒に満を持して推奨する、決定版のテキスト！ 遺伝、酵素反応、代謝、進化、生態系など、 生命現象に通底する「法則」や「原理」を、数学と物理の視点から導く。 前提とするのは、教養課程で学ぶ微分積分と線形代数のみ。 熱力学や統計力学、生物学を学んでいない学生も通読できるよう、 徹頭徹尾「self-contained」に記述した。 広大なフロンティアへの第一歩がここにある！ 【専門家、教育者から絶賛の声】 「この一冊で生物学のアレになれる！　生物の複雑さを捉えるエッセンス」 ――柳田敏雄（大阪大学栄誉教授・名誉教授／日本学士院会員） 「この本があればもっと早く生物の世界にのめり込んでいたのに。数学と物理の生き生きとした姿が楽しめる一冊！」 ――ヨビノリたくみ（教育系YouTuber） 【目次】 第1章　システム生物学とは何か 第I部　システム生物学序説 第2章　システム生物学のための力学系入門 第3章　システム生物学のための熱統計力学入門 第II部　細胞のシステム生物学 第4章　ウルトラセンシティビティ 第5章　キネティックプルーフリーディング 第6章　走化性システム 第7章　概日時計システム 第8章　生命システムにおける普遍性 第III部　代謝のシステム生物学 第9章　代謝反応のモデリング 第10章　フラックスバランス解析の基礎 第11章　フラックスバランス解析の応用 第12章　代謝のダイナミクス 第IV部　進化・生態系のシステム生物学 第13章　数理生態学の基礎 第14章　生命進化の数理モデル 第15章　遺伝的アルゴリズムと適応度地形 さらに勉強するために ※この商品は紙の書籍のページを画像にした電子書籍です。文字だけを拡大することはできませんので、タブレットサイズの端末での閲読を推奨します。また、文字列のハイライトや検索、辞書の参照、引用などの機能も使用できません。

新幹線発展の陰に航空機の最先端技術あり！ 2014年は新幹線誕生50周年の節目の年。計画段階のころ、「これからは自動車、航空機の時代。もはや鉄道は時代遅れ」と揶揄されたが、鉄道界は“新幹線”を完成させ、逆風を跳ね返し、大いなる発展を遂げた。新幹線誕生から時速３２０キロ突破まで、発展の陰には鉄道マンと航空技術者の協力があり、空気流体力学や遺伝的アルゴリズムなど最先端の航空機開発の技術があった。“新幹線の生みの親”島秀雄氏、成瀬功氏（ＪＲ東海）、藤井孝藏氏（ＪＡＸＡ）ら関係者への取材で得た膨大な証言を基に、奇跡の躍進を描く渾身のノンフィクション。

アルゴリズムは，特殊な才能がある人だけが考えるものではありません。しっかりと基本をマスターすれば，誰でも考えられるようになるものです。本書は，プログラミングを支える強力な基礎＝アルゴリズムをマスターするために，本のはじめから終わりまで，徹底的に丁寧に説明します。「ソート」「計算量」から，「二分探索木」「ハッシュ表探索法」「動的計画法」「遺伝的アルゴリズム」と，理解を積み重ねながらステップアップ。最終的には，挿入法や二分探索法のプログラムが自力で作れるようになり，基本情報技術者試験の午後問題レベルの問題が十分解けるようになります。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 はじめに 第1部　遺伝的アルゴリズムの応用 Chapter 1　GA の解説を兼ねて，式の因数分解を解いてみよう Chapter 2　ゲームで勝つ方法 Chapter 3　隣り合ったものは別の色で――グラフ彩色 Chapter 4　これだけの荷物を何台の配送車で配達できる？ ――Vehicle Routing Problem 第2部　遺伝的プログラミングの応用 Chapter 5　GPの解説を兼ねて，どれくらい連続して素数を生成できるか試してみよう Chapter 6　うるう年の判定は4年ごと!? Chapter 7　多くのデータから「なぜ」を見出そう――データマイニング Chapter 8　GPにもっと意味を――型付きGPフレームワーク Chapter 9　多くのデータから意味を探ろう――改良した動物分類 Chapter 10　数値データを含んだ分類――あやめの分類 第3部　付録：カオスと予測 Chapter 11　カオスを利用した予測の可能性について 参考文献 あとがき 索引 ダウンロードサービスのご利用について

新世代の数値計算ライブラリを操る！ 線形回帰からCNN/RNNまで網羅的に実践 -- TensorFlowは、数値処理用のオープンソースライブラリ。AI分野を中心に活用が進んでいます。本書ではまず、変数／プレースホルダといったTensorFlowの基本や、オープンデータを扱う方法を説明。以降は、機械学習のさまざまな手法をレシピとして示していきます。具体的には次のとおりです。線形回帰、SVM、最近傍法、ニューラルネットワーク、自然言語処理、畳み込みニューラルネットワーク（CNN）、リカレントニューラルネットワーク（RNN）、運用環境のための手法、遺伝的アルゴリズム、k-means、常微分方程式などです。※本書は『TensorFlow Machine Learning Cookbook』の翻訳書です。　※コードの検証にPython 3.5/3.6とTensorFlow 1.1/1.2を使用（各環境/各コードの動作を完全に保証するものではありません）。

自分で動かすから、よくわかる！専門知識を身につける第一歩！ 本書は、今後ますますの発展が予想される人工知能の技術を、はじめて学ぶための本です。機械学習をはじめ、ニューラルネットワーク、遺伝的アルゴリズム、問題解決、ゲーム戦略、知識表現など、人工知能を支えるそれぞれの分野の基礎をつかむことができます。 独特の技術が多く使われている分野ですが、Excelのサンプルプログラムを体験することで、その技術を実感できるようになっています。Excelプログラムは簡単な入力とクリック操作で動くので、専門知識は不要です。操作を繰り返すことでプログラムが賢くなっていく様子は、人工知能技術への大きな期待も感じさせます。 また、本書で取り上げている各論は、高専5年生向けの授業がもとになっているので、学生・社会人問わず入門に最適です。特に、人工知能分野で活躍したい学生や、将来仕事で人工知能にかかわるかもしれない理系職種の方におすすめです。 【Excelサンプルプログラム】 ・多少ゆがんだ文字でも人工知能なら正しく認識できる ・「ちょっと高め／ちょっと低め」の感覚で空調を制御する ・遺産の適正な分配を要領よく行う ・宣教師が「人食い人」に食われずに川を渡れるか？ ・最小コストで山の頂上まで登るときの経路を探せ ・簡単なカードゲームでコンピュータに挑戦！ ・人工知能にことばの意味を教えよう ・病院に行く前に人工知能に聞いてみよう ・犯人を捕まえろ！ 【本書で解説している技術】 機械学習／深層学習（概論）／ニューラルネットワーク／ファジィ／遺伝的アルゴリズム／問題解決／探索法／ゲーム戦略／知識表現／エキスパートシステム／エージェント／Lisp／Prolog など ※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。 ※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。 ※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。 ※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。

さまざまなAI技術を1冊に網羅 動かしながら学ぶ、本格入門書！ 本書は、人工知能の技術をはじめて学ぶための本です。 近年は機械学習・深層学習が注目を集めていますが 人工知能は各技術が相互に進化を促したり いろいろな技術を組み合わせたりして発展しています。 そこで本書では、下記のような 幅広い技術の基礎知識を網羅しています。 【本書で解説している技術】 ・機械学習／深層学習（概論） ・ニューラルネットワーク ・遺伝的アルゴリズム ・エキスパートシステム ・知識表現 ・ゲーム戦略など 独特の技術が多く使われている分野ですが、 Excelのサンプルプログラムを体験することで、 その技術を実感できるようになっています。 操作を繰り返すことでプログラムが 賢くなっていく様子は、人工知能技術への 大きな期待も感じさせます。 特に、人工知能分野で活躍したい学生や、 将来仕事で人工知能にかかわるかもしれない 理系職種の方におすすめの本です。 【Excelサンプルプログラム（一部）】 ・正解がわからなくても人工知能が自力で認識してくれる ・宣教師が「人食い人」に食われずに川を渡れるか？ ・簡単なカードゲームでコンピュータに挑戦！ ・人工知能にことばの意味を教えよう ・病院に行く前に人工知能に聞いてみよう ・犯人を捕まえろ！ ※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。 ※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。 ※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。 ※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 Python でさまざまな現象をシミュレーションしよう！ 本書はコンピュータシミュレーションの基礎を、Pythonを用いたプログラミングによって実際に試しながら学習するものです。 うわさの拡散や伝染病の流行、人口予測といった自然科学モデル、リボ払いの計算や在庫管理といった経営・経済モデルといった具体的なものから、情報科学的な確率モデル、ベイズ統計、グラフ理論、GA（遺伝的アルゴリズム）といった各手法に基づいたモデル、エージェントベースモデル、強化学習による意思決定モデルまでを解説しています。 本書では、シミュレーションの各モデルの立て方やアイデアの説明に重点を置き、数値計算の厳密な詳細やモデルの数理よりはPythonによる実行を志向します。また、プログラムのほとんどは Jupyter Notebook形式で配布しているので、ご自身の手もとのPCで実行することができるようになっています。 第1章 はじめに 第2章 数値計算と数学の基礎 第3章 アニメーション 第4章 確率モデル 第5章 自然科学モデル 第6章 経営モデル 第7章 ベイズ統計に基づくモデル 第8章 グラフ理論に基づくモデル 第9章 遺伝的アルゴリズムに基づくモデル 第10章 エージェントベースモデル 第11章 強化学習による意思決定モデル