リザバーコンピューティング
時系列パターン認識のための高速機械学習の理論とハードウェア
深層学習時代の注目技術、初の解説書！
「リザバーコンピューティング」は、深層学習（ディープラーニング）の最大の難点である「計算コスト」の問題を克服すべく精力的に研究が進められ、
・直近では、時系列パターン認識用の高速機械学習手法として、
・近い未来には、高効率な機械学習デバイスの基礎原理として、
・将来的には、「AI ハードウェアの基盤」になりうる技術として、
高い期待を集めています。
本書では、この技術を数理・アルゴリズムの視点（ソフトウェア実装）とデバイス開発・実装の視点（ハードウェア実装）の両面から解説。読者のバックグラウンド・モチベーションを問わず入門できるよう、ニューラルネットの原理や、デバイス・ハードウェア選定の発想から順を追って紐解きます。時系列パターン認識問題への実行例をPythonサンプルコードとともに示し、リザバーコンピューティングの「使い方」も体感しながら読み進められるよう配慮されています。
「リザバーコンピューティング」は、深層学習（ディープラーニング）の最大の難点である「計算コスト」の問題を克服すべく精力的に研究が進められ、
・直近では、時系列パターン認識用の高速機械学習手法として、
・近い未来には、高効率な機械学習デバイスの基礎原理として、
・将来的には、「AI ハードウェアの基盤」になりうる技術として、
高い期待を集めています。
本書では、この技術を数理・アルゴリズムの視点（ソフトウェア実装）とデバイス開発・実装の視点（ハードウェア実装）の両面から解説。読者のバックグラウンド・モチベーションを問わず入門できるよう、ニューラルネットの原理や、デバイス・ハードウェア選定の発想から順を追って紐解きます。時系列パターン認識問題への実行例をPythonサンプルコードとともに示し、リザバーコンピューティングの「使い方」も体感しながら読み進められるよう配慮されています。
第1章 はじめに
第2章 人工ニューラルネットワーク
第3章 エコーステートネットワーク
第4章 時系列パターン認識の基礎問題
第5章 時系列パターン認識の応用問題
第6章 リキッドステートマシン
第7章 物理リザバーコンピューティング
第8章 物理リザバーコンピューティングの要素技術
第9章 将来展望
