● 特 集
～MATLABで1ニューロンから手作り～
特集　数学&図解でディープ・ラーニング


● 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

　ディープ・ラーニングは，コンピュータが大量のデータを学習して，データの特徴を抽出する技術です．機械学習の手法の1つですが，従来は人手で行っていた特徴抽出（いわゆる学習）を自動で行えるようになった事から，ここ数年で急速に普及し，今や社会を支えるさまざまな場面で使われる技術となりました．
　現在は，さまざまな学習アルゴリズムが，ブラックボックスのように中身を知らなくてもお手軽に試せる環境（Pythonなど）が整っています．簡単に試せるので，よく理解しないままニューロン数や中間層を増やしたり，いろいろな評価関数を試したりなど，組み合わせ的に試行錯誤をして結果的に時間がかかってしまった経験があるのではないでしょうか．

　ディープ・ラーニングの学習アルゴリズムは，数学理論に基づいています．サイコロをランダムに振って発見的に結果を出している訳ではありません．そこで本特集では，このディープ・ラーニングのメカニズムを数学的な観点で説き明かしていきます．このメカニズムを解き明かすには，高校や大学初等の数学を使いますが，特に教科書を見直す必要がないよう，本特集内で完結するようにしています．
　また，本特集の中では，数値解析ソフトウェアMATLABを使って，実際に1ニューロンからディープ・ラーニングの仕組みを理解していきます．読者が実際に手を動かしながら学べるように，次の3つの特典を用意しました．

(1)モデルベース開発ツール（MATLAB/Simulink）の6ヶ月ライセンス
(2)記事の内容を手元で試せる…全モデルおよびプログラムを公開
(3)特集筆者による講義ムービをYouTubeにて公開

★目次　

◎MATLABで1ニューロンから手作り
☆特集　数学&図解でディープ・ラーニング

◎使いこなすには学習のからくりを理解するのが近道
●イントロダクション1　話題のLLMとディープ・ラーニングの関係

◎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
●イントロダクション2　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

◎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
●プロローグ1　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

◎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
●プロローグ2　ディープ・ラーニングの全体像

◎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
●第1章　単純ニューラル・ネットワークのモデル化と学習
1-1　ニューロンのモデル化/1-2　ニューロンの学習

◎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
●第2章　ベクトルと行列
2-1　ベクトルの加算と減算/2-2　ベクトルの内積・外積/2-3　ベクトルの適用とご利益/2-4　行列

◎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
●第3章　常微分/偏微分/全微分の基礎

◎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
●第4章　ニューラル・ネットワークが予測を行う仕組み

◎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
●第5章　ニューラル・ネットワークが学習を行う仕組み
5-1　学習に使う数学の道具/5-2　回帰出力層のバックプロパゲーション/5-3　合成関数とチェインルール/5-4　その他の層のバックプロパゲーション

◎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
●第6章　全結合層をMATLABコードでフルスクラッチ実装
6-1　分類の全結合層/6-2　回帰の全結合層

◎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
●第7章　既存ネットワークで画像データ分類をサッと体験

◎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
●第8章　ベクトル解析の学び直しと転移学習のからくり

◎フィルタの概念から離散データの差分微分まで
●第9章　畳み込みの基礎知識

◎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
●第10章　畳み込みと画像特徴抽出

☆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

◎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

☆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

☆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

◎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

◎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

☆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

☆ニュース&レポート&お知らせ

●ほんのりInterface

◎Dojo通信〈第5回〉
●若葉みつわ台(千葉県)編

●読者プレゼント

●次号予告

☆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