深層学習の原理に迫る

深層学習の性能が生まれる理由を、数学的に解明しようとする書籍である。まず深層学習の登場と基本的な仕組みを整理し、多層構造が必要とされる理由を考える。続いて、モデルが膨大な数のパラメータを持つことの意味と、それらを学習できる理由を検討する。多層化の必要性、パラメータ数の多さ、学習の可能性は、それぞれ異なる問いとして扱われる。深層学習は高い信頼性と汎用性から多様な領域で使われている一方、優れた性能を発揮する理由は分かっていないという問題意識が議論の背景にある。終盤では、数学的な原理を明らかにすることにどのような価値があるかを問う。深層学習の定義から構造、学習、原理を知る意義へと進む構成である。