神経科学者と学ぶ深層学習超入門

序

第1部　深層学習の基礎

1-1 超基本用語の整理

人工知能と機械学習と深層学習

モデル

線形と非線形

[雑談]　世界モデル

1-2 人工ニューロン

人工ニューロン

パーセプトロン

活性化関数

[雑談]　ウォルター・ピッツ

1-3 学習

ニューラルネットワークの基本構造と学習

入力と出力

3種類の学習

損失関数と目的関数

誤差逆伝播法

局所解

過学習

転移学習

構造

[雑談]　脳と深層学習の速度

1-4 畳み込みニューラルネットワーク

歴史

層

全結合層

畳み込み層

プーリング層

[雑談]　スケールと性能

1-5 リカレントニューラルネットワーク

ホップフィールドネットワーク

リカレントニューラルネットワークとゲート機構

エコーステートネットワーク

[雑談]　恐竜と哺乳類

1-6 画像生成AI

AutoEncoder

VAE

拡散モデル

[雑談]　視座

1-7 トランスフォーマー

ALL You Need Is Attention

トークン

埋め込み

自己注意機構

多頭注意

残差接続と正規化層

全結合層

そしてついに会話ができる

[雑談]　人工知能の倫理

1-8 深層強化学習

強化学習

行動選択ポリシー

マルコフ決定過程

Q学習

深層強化学習（DQN）

[雑談]　基盤AIとロボット

1-9 機械学習

機械学習の特徴

分類のための機械学習

次元圧縮（PCA）

次元圧縮（t-SNE）

次元圧縮（UMAP）

[雑談]　Neuronist

第2部　深層学習と生命科学

2-1 第2部のはじめに

2-2 顕微鏡画像

Cellpose

2-3 遺伝子解析

Geneformer

2-4 タンパク質科学

AlphaFold2

2-5 医療

DenseNet

モデルの強化

2-6 神経科学

解析ツールとして

脳のモデルとして

2-7 行動科学

DeepLabCut

2-8 心理学

筆者の研究

2-9 ALife

ニューラルセル・オートマトン

2-10 第2部のおわりに

LLMと人工知能の未来

巻末付録

付録1 深層学習を体験する

付録2 おすすめの入門書3選

あとがき

索引