Thinking Machines  機械学習とそのハードウェア実装

著者:高野 茂幸

機械学習のハードウェア化の基礎と最新動向をこの1冊に!

N00581

★初の機械学習ハードウェア専門書!★
近年その研究と活用が活発に行われている機械学習ですが、GPUなど既存のハードウェア上での実装がほとんどです。本書は機械学習のためのハードウェア開発にスポットをあてた、初めての専門書です。機械学習全般の基礎知識や機械学習ハードウェアの最新動向と事例のまとめだけでなく、その実装に伴う課題なども詳細に検討しています。機械学習の基礎知識がある方はもちろん、現在の機械学習全般の動向を知りたい方におすすめの一冊です。

続きを読む

短くする

電子版 ¥1,300 小売希望価格(税別)

印刷版 ¥1,800 小売希望価格(税別)


お好きな販売サイトにてご購入いただけます

印刷書籍版

  • amazon プリント・オン・デマンド

基本情報

発行日:2017/04/28
発行社:インプレスR&D
ページ数:178(印刷版)
ISBN:9784844397694


目次

第1章 イントロダクション
 1.1 機械学習の認知
 1.2 機械学習と応用範囲
 1.3 学習と性能
 1.4 機械学習の位置づけ
第2章 従来のアーキテクチャ
 2.1 ハードウェア実装の現実
 2.2 特定用途向け集積回路(ASIC)
 2.3 ハードウェア実装のまとめ
第3章 機械学習と実装方法
 3.1 ニューロモルフィックコンピューティング
 3.2 ニューラルネットワーク
第4章 機械学習ハードウェア
 4.1 実装プラットフォーム
 4.2 性能指標
 4.3 性能向上方法
第5章 機械学習モデルの開発
 5.1 ネットワークモデルの開発プロセス
 5.2 コードの最適化
 5.3 Python言語と仮想機械(Virtual Machine)
第6章 ハードウェア実装の事例
 6.1 ニューロモルフィックコンピューティング
 6.2 ディープニューラルネットワーク
 6.3 その他の事例
 6.4 事例のまとめ
第7章 ハードウェア実装の要点
 7.1 市場規模予測
 7.2 設計とコストのトレードオフ
 7.3 ハードウェア実装の戦略
 7.4 まとめ:ハードウェア設計に要求されること
第8章 結論
付録A 深層学習の基本
 A.1 数式モデル
 A.2 機械学習ハードウェアモデル
 A.3 深層学習と行列演算
 A.4 ネットワークモデル開発時の課題
付録B Advanced Network Models
 B.1 CNN Variants
 B.2 RNN Variants
 B.3 Autoencoder Variants
 B.4 Residual Networks
付録C 国別の研究開発動向
 中国/米国/欧州/日本
付録D 社会に与える影響
 産業/機械学習と人の共存/社会と個人/国家


著者紹介

2008年三洋半導体株式会社に入社。その後株式会社ドワンゴを経て、現在は電気・電子機器メーカー研究所勤務。業務としてデジタル信号処理プロセッサーの設計開発からビデオトランスコーダーの開発などの傍ら、次世代プロセッサーの一つである自立型再構成可能プロセッサーの個人研究に携わる。最近は機械学習プロセッサーを個人研究中。