イラストで学ぶ　ディープラーニング

第1章 序論
　1.1　ディープラーニングとは
　1.2　注目のきっかけ
　1.3　なぜディープラーニングなのか
　1.4　何がディープラーニングなのか
　1.5　本書の構成

第2章 ニューラルネットワーク
　2.1　ニューラルネットワークの歴史
　2.2　マカロック－ピッツの素子モデル
　2.3　パーセプトロン
　2.4　多層パーセプトロン
　2.5　誤差逆伝播法
　2.6　誤差関数と活性化関数
　2.7　尤度関数
　2.8　確率的勾配降下法
　2.9　学習係数
　2.10　まとめ

第3章 畳み込みニューラルネットワーク
　3.1　畳み込みニューラルネットワークの構成
　3.2　畳み込み層
　3.3　プーリング層
　3.4　全結合層
　3.5　出力層
　3.6　ネットワークの学習方法　　
　3.7　まとめ

第4章 制約ボルツマンマシン
　4.1　ホップフィールドネットワーク
　4.2　ボルツマンマシン
　4.3　制約ボルツマンマシン
　4.4　コントラスティブ・ダイバージェンス
　4.5　ディープ・ビリーフ・ネットワーク　
　4.6　まとめ

第5章 オートエンコーダ
　5.1　オートエンコーダ
　5.2　デノイジング・オートエンコーダ
　5.3　スパース・オートエンコーダ
　5.4　スタックド・オートエンコーダ
　5.5　事前学習への利用　
　5.6　まとめ

第6章 汎化性能を向上させる方法
　6.1　学習サンプル
　6.2　前処理
　6.3　活性化関数
　6.4　ドロップアウト
　6.5　ドロップコネクト　
　6.6　まとめ

第7章 ディープラーニングのツール
　7.1　ディープラーニングの開発環境
　7.2　Theano
　7.3　Pylearn2
　7.4　Caffe
　7.5　学習システム　－DIGITS－
　7.6　Chainer
　7.7　TensorFlow　
　7.8　まとめ
第8章 ディープラーニングの現在・未来
　8.1　ディープラーニングの実用事例
　8.2　ディープラーニングの先に　
　8.3　まとめ