「詳解ディープラーニング ~TensorFlow・Kerasによる時系列データ処理~」の紹介

これまで, TensorFlow/Kerasで主にCNNを試してきた[1][2][3][4]が, RNNについてはチュートリアル程度しか試したことがなかった.
音声処理や自然言語処理を行うために, RNNによる時系列データ処理の実装や応用についてもう少し知りたいと思っていたおり, この本の評判を聞き購入した.

<br />

　目　次

第1章　数学の準備
第2章　Pythonの準備
第3章　ニューラルネットワーク
第4章　ディープニューラルネットワーク
第5章　リカレントニューラルネットワーク
第6章　リカレントニューラルネットワークの応用

第5章にRNNの基本的な考え方だけでなくLSTM, GRUについてもしっかりと説明されており, また, sin波の予測を例にTensorFlow/Kerasによる実装も記されているので, 試しながら理解ができる.
また, 第6章では, Bidirectional RNN, RNN Encoder-Decoder, Attention RNNなど応用手法の説明もあり, RNNについて基礎から応用まで学ぶことができる.

第1~4章には, Pythonの導入からNN/DNNの基礎的な理論の説明&実装が詳しく記されており, 初心者の方でも試しながら進められるので理解しやすいと思う.

RNNについて詳しく知りたい方だけでなく, TensorFlow/Kerasを使ってDeep Learningを始めてみようという方にもおススメの一冊です.

最後に, 初版第4刷の正誤表情報を載せておく.
「詳解ディープラーニング」サポートサイト
あと, 上記以外の誤りと思われる部分も載せておく.

ページ	誤	正
p.36 17, 20行目	price	pric
p.202 式4.88	$\displaystyle = \frac{\partial{E}}{\partial{x_i}}・\frac{1}{\sqrt{\sigma^2_\beta + \epsilon}}+・・・$	$\displaystyle = \frac{\partial{E}}{\partial{\hat{x_i}}}・\frac{1}{\sqrt{\sigma^2_\beta + \epsilon}}+・・・$
p.211 5行目	式(5.1)は雑音の混じった音を	式(5.2)は雑音の混じった音を
p.219 最下行	return y	return y
p.226 8, 10行目, p.242 13行目, p243 4行目, p.247 20行目	init=weight_variable,	kernel_initializer=weight_variable,
p.226 9行目	input_shape=(maxlen, n_out)))	input_shape=(maxlen, n_in)))
p.237 10行目	すべてこの式(5.97)に	すべてこの式(5.53)に
p.237 ▶14	式(5.97)は	式(5.53)は
p.238 3行目	式(5.97)は、	式(5.53)は、
p.252 5行目	「過去から」と「未来から」の1方向の時間軸に	「過去から」と「未来から」の2方向の時間軸に