新生活のお買い物でdポイント20％還元
この注文でお急ぎ便、お届け日時指定便を無料体験
Amazonプライム無料体験について
新品:
￥3,740 税込
ポイント: 113pt  (3%)
無料配送 4月3日 木曜日にお届け
発送元: Amazon.co.jp
販売者: Amazon.co.jp
￥3,740 税込
ポイント: 113pt  (3%)  詳細はこちら
無料配送 4月3日 木曜日にお届け
詳細を見る
または 最も早い配送 本日中にお届け（6 時間 44 分以内にご注文の場合）
詳細を見る
残り4点（入荷予定あり） 在庫状況について
￥￥3,740 () 選択したオプションを含めます。 最初の月の支払いと選択されたオプションが含まれています。 詳細
価格
小計
￥￥3,740
小計
初期支払いの内訳
レジで表示される配送料、配送日、注文合計 (税込)。
出荷元
Amazon.co.jp
Amazon.co.jp
出荷元
Amazon.co.jp
支払い方法
お客様情報を保護しています
お客様情報を保護しています
Amazonはお客様のセキュリティとプライバシーの保護に全力で取り組んでいます。Amazonの支払いセキュリティシステムは、送信中にお客様の情報を暗号化します。お客様のクレジットカード情報を出品者と共有することはありません。また、お客様の情報を他者に販売することはありません。 詳細はこちら
￥249 税込
◆◆◆おおむね良好な状態です。中古商品のため使用感等ある場合がございますが、品質には十分注意して発送いたします。 【毎日発送】 ◆◆◆おおむね良好な状態です。中古商品のため使用感等ある場合がございますが、品質には十分注意して発送いたします。 【毎日発送】 一部を表示
配送料 ¥240 4月4日-6日にお届け（3 時間 4 分以内にご注文の場合）
詳細を見る
通常2～3日以内に発送します。 在庫状況について
￥￥3,740 () 選択したオプションを含めます。 最初の月の支払いと選択されたオプションが含まれています。 詳細
価格
小計
￥￥3,740
小計
初期支払いの内訳
レジで表示される配送料、配送日、注文合計 (税込)。
Kindleアプリのロゴ画像

無料のKindleアプリをダウンロードして、スマートフォン、タブレット、またはコンピューターで今すぐKindle本を読むことができます。Kindleデバイスは必要ありません。

ウェブ版Kindleなら、お使いのブラウザですぐにお読みいただけます。

携帯電話のカメラを使用する - 以下のコードをスキャンし、Kindleアプリをダウンロードしてください。

KindleアプリをダウンロードするためのQRコード

著者をフォロー

荒木 雅弘
フォロー
何か問題が発生しました。後で再度リクエストしてください。

フリーソフトでつくる音声認識システム パターン認識・機械学習の初歩から対話システムまで 単行本（ソフトカバー） – 2017/4/4

5つ星のうち4.0 12個の評価
{"desktop_buybox_group_1":[{"displayPrice":"￥3,740","priceAmount":3740.00,"currencySymbol":"￥","integerValue":"3,740","decimalSeparator":null,"fractionalValue":null,"symbolPosition":"left","hasSpace":false,"showFractionalPartIfEmpty":true,"offerListingId":"FvLHpSEGB1RN54SvEMStFyS9Jhkv1foH%2F4SgGXYvxrLBx0jQCh756mQHUkvZXuGTYEzRk%2BMm7kfdEMDpVtpzYOJI%2Fh%2FHMH2glFleIFlxQ0OufTiVJgN3bVjQuYnY9znjQn1V%2FHhhXXI%3D","locale":"ja-JP","buyingOptionType":"NEW","aapiBuyingOptionIndex":0}, {"displayPrice":"￥249","priceAmount":249.00,"currencySymbol":"￥","integerValue":"249","decimalSeparator":null,"fractionalValue":null,"symbolPosition":"left","hasSpace":false,"showFractionalPartIfEmpty":true,"offerListingId":"FvLHpSEGB1RN54SvEMStFyS9Jhkv1foH1kyK%2Bt4V2pCVXoVsLa3pDhGckJuG9mgQW5aeZBQeRu6ZVhnYs9ClpNvTRSUuWajhkA44bLihPPpOnhByojmtYj9%2BScJ9zaq3ENDnNThataX4zdTNTbJ9vEBJrfuHy6Ofdk5LRyBsDcO8x3KoUobubg%3D%3D","locale":"ja-JP","buyingOptionType":"USED","aapiBuyingOptionIndex":1}]}

購入オプションとあわせ買い

・機械学習のしくみを知りたいけど、数学は苦手…
・専門書を読みたいけど、数式ばかりで挫折した…
という人を「機械学習の世界」に導く,おすすめの1冊!

前半部では、機械学習・パターン認識の基礎を学びます。機械学習の理論を学習しようとすると、高度な数学の知識が必要と思われがちですが、本書は「パターン認識ってなに?」といった初歩の初歩からかみくだいて解説しています。もちろん初歩だけでなく、ニューラルネットワーク・サポートベクトルマシンなどの重要トピックの理論的な側面まで、Scilab、Wekaを使ったパターン認識の演習を行いながら学ぶことができます。

後半部では、HTK、Julius、MMDなどのフリーソフトを使いながら音声認識システムをつくっていきます。音声やテキストに対してパターン認識を適用する際は、隠れマルコフモデル・N-gramなどの言語モデルに関する難解な知識が必要になりますが、手を動かすと同時に理論面も学習することによって、音声認識にとどまらない「実際の認識に使える」知識が身につきます。

「学びはじめの1冊に最適」と評判の機械学習の定番入門書が、リカレントニューラルネットワーク・畳込みニューラルネットワークなど近年の技術動向を反映した解説を加えて第2版となりました。

◆電子版が発行されました/詳細は,森北出版webサイトにて

【目次】
第1部 パターン認識の基礎
第1章 パターン認識って何?
1.1 パターン認識とは
1.2 パターン認識システムの構成
1.3 前処理部
1.4 特徴抽出部
1.5 識別部と識別辞書
1.5.1 基本的な識別手法
1.5.2 識別辞書の中身
演習問題

第2章 データをきちんと取り込もう
2.1 アナログ信号のディジタル化
2.1.1 アナログ信号は波である
2.1.2 標本化と量子化
2.2 人の知覚に近づける
2.2.1 音声の知覚
2.2.2 画像の知覚
2.3 特徴抽出をしやすくする処理
2.3.1 音声の場合
2.3.2 画像の場合
演習問題

第3章 パターンの特徴を調べよう
3.1 変動に強い特徴とは
3.1.1 音声の場合
3.1.2 画像の場合
3.2 特徴のスケールを揃える
3.3 特徴は多いほどよいか
3.3.1 偶然に見つかってしまってはまずい
3.3.2 特徴を減らそう
演習問題

第4章 パターンを識別しよう
4.1 NN 法の定式化と問題設定
4.1.1 「もっとも近い」の定義
4.1.2 プロトタイプと識別面の関係
4.1.3 プロトタイプの位置の決め方
4.2 パーセプトロンの学習規則
4.2.1 識別関数の設定
4.2.2 識別関数とパーセプトロン
4.2.3 2 クラスの識別関数の学習
4.2.4 パーセプトロンの学習アルゴリズム
4.3 区分的線形識別関数とk-NN 法
4.3.1 平面で区切れない場合
4.3.2 区分的線形識別関数の実現
4.3.3 区分的線形識別関数の識別能力と学習
4.3.4 学習をあきらめるのも一手—k-NN 法
演習問題

第5章 誤差をできるだけ小さくしよう
5.1 誤差評価に基づく学習とは
5.2 解析的な解法
5.3 最急降下法
5.3.1 最急降下法による最適化
5.3.2 Widrow–Hoff の学習規則
5.3.3 確率的最急降下法
5.4 パーセプトロンの学習規則との比較
5.4.1 パーセプトロンの学習規則を導く
5.4.2 着目するデータの違い
演習問題

第6章 限界は破れるか(1) —サポートベクトルマシン
6.1 識別面は見つかったけれど
6.2 サポートベクトルマシンの学習アルゴリズム
6.2.1 サポートベクトル
6.2.2 マージンを最大にする
6.3 線形分離可能にしてしまう
6.3.1 高次元空間への写像
6.3.2 カーネル法
6.3.3 具体的なカーネル関数
演習問題

第7章 限界は破れるか(2) —ニューラルネットワーク
7.1 ニューラルネットワークの構成
7.2 誤差逆伝播法による学習
7.2.1 誤差逆伝播法の名前の由来
7.2.2 結合重みの調整アルゴリズム
7.2.3 調整量を求める
7.2.4 過学習に気をつけよう
7.3 ディープニューラルネットワーク
7.3.1 勾配消失問題とは
7.3.2 多階層学習における工夫
7.3.3 特化した構造をもつニューラルネットワーク
演習問題

第8章 未知データを推定しよう—統計的方法
8.1 間違う確率を最小にしたい
8.1.1 誤り確率最小の判定法
8.1.2 事後確率の求め方
8.1.3 事後確率の間接的な求め方
8.1.4 厄介者p(x) を消そう
8.1.5 事前確率P(ωi) を求める
8.1.6 最後の難敵「クラス分布p(x|ωi)」
8.2 データの広がりを推定する
8.2.1 未知データの統計的性質を予測する
8.2.2 最尤推定
8.2.3 統計的な識別
8.3 実践的な統計的識別
8.3.1 単純ベイズ法
8.3.2 ベイズ推定
8.3.3 複雑な確率密度関数の推定
演習問題

第9章 本当にすごいシステムができたの?
9.1 未知データに対する認識率の評価
9.1.1 分割学習法
9.1.2 交差確認法
9.2 システムを調整する方法
9.2.1 前処理の確認
9.2.2 特徴空間の評価
9.2.3 識別部の調整
演習問題

第2部 実践編
第10章 声をモデル化してみよう—音響モデルの作り方・使い方・鍛え方
10.1 連続音声の認識
10.2 音響モデルの作り方
10.3 音響モデルの使い方
10.3.1 HMM における確率計算
10.3.2 トレリスによる効率のよい計算
10.3.3 ビタビアルゴリズムによる近似計算
10.4 音響モデルの鍛え方
10.4.1 状態遷移系列がわかっている場合
10.4.2 状態遷移系列の確率がわかっている場合
10.4.3 Baum–Welch アルゴリズム
10.5 実際の音響モデル
10.5.1 離散値から連続値へ
10.5.2 ディープニューラルネットワークによる高精度化
10.5.3 調音結合をモデル化する
演習問題

第11章 HTK を使って単語を認識してみよう
11.1 HTK の構成
11.2 音声の録音とラベル付け
11.3 特徴抽出
11.4 初期モデルの作成
11.5 初期値の設定
11.6 HMM の学習
11.7 単語認識
11.8 認識率の評価
演習問題

第12章 文法規則を書いてみよう
12.1 音声認識における文法
12.2 タスクから文法を設計する
12.3 文法規則における制限
12.3.1 文脈自由文法
12.3.2 正規文法
12.4 Julius での文法記述
12.5 標準化された文法記述
演習問題

第13章 統計的言語モデルを作ろう
13.1 文の出現確率の求め方
13.2 N-グラム言語モデル
13.2.1 N-グラムによる近似
13.2.2 言語モデルの評価
13.2.3 ゼロ頻度問題
13.3 一度も出現しないものの確率は?
13.3.1 一定値を加えることによるスムージング
13.3.2 削除推定法
13.3.3 Good–Turing 法
13.4 信頼できるモデルの力を借りる
13.4.1 線形補間法
13.4.2 バックオフスムージング
13.5 ニューラルネットワークを用いた言語モデル
13.6 SRILM 入門
演習問題

第14章 連続音声認識に挑戦しよう
14.1 基本的な探索手法
14.1.1 単純な探索
14.1.2 ビーム探索
14.2 ヒューリスティック探索
14.2.1 最良優先探索
14.2.2 ゴールまでの近さの情報
14.3 WFST による探索手法
14.4 文法に基づく認識システムを動かす
14.5 ディクテーションシステムを動かす
14.6 認識結果の評価
14.6.1 評価用データの準備
14.6.2 認識実験
14.6.3 認識率の算出
演習問題

第15章 会話のできるコンピュータを目指して
15.1 音声対話システムの構成
15.2 対話管理の方法
15.3 音声対話エージェント
15.3.1 MMDAgent の概要
15.3.2 MMDAgent での対話定義
15.3.3 サンプルシナリオの解析
15.3.4 特急券購入タスク対話の実装
演習問題

演習問題の解答

付録A 数学的な補足
A.1 フーリエ解析
A.2 データの統計的性質
A.3 固有値・固有ベクトル
A.4 ラグランジュの未定乗数法
A.4.1 等式制約下の最適化問題
A.4.2 不等式制約下の最適化問題
A.5 正規分布
付録B Scilab 演習
B.1 プログラミング環境
B.2 基本
B.2.1 変数
B.2.2 基本演算・基本関数
B.3 行列の扱い
B.3.1 基本的な行列の作成
B.3.2 部分・範囲の指定
B.3.3 ベクトル・行列の演算
B.4 グラフ表示
B.5 制御
B.6 関数定義
B.7 演習
商品の詳細の前のスライド
  1. 本の長さ
    272ページ
  2. 言語
    日本語
  3. 出版社
    森北出版
  4. 発売日
    2017/4/4
  5. 寸法
    15.7 x 1.5 x 22 cm
  6. ISBN-10
    4627847122
  7. ISBN-13
    978-4627847125
商品の詳細の次のスライド
現在開催中のキャンペーン:
【最大30％還元】紙書籍 新生活ポイントキャンペーン

よく一緒に購入されている商品

フリーソフトでつくる音声認識システム パターン認識・機械学習の初歩から対話システムまで
対象商品: フリーソフトでつくる音声認識システム パターン認識・機械学習の初歩から対話システムまで
￥3,740
113ポイント(3%)
最短で4月3日 木曜日のお届け予定です
残り4点（入荷予定あり）
この商品は、Amazon.co.jpが販売および発送します。
+
言語処理のための機械学習入門 (自然言語処理シリーズ 1)
￥3,080
93ポイント(3%)
最短で4月3日 木曜日のお届け予定です
残り7点（入荷予定あり）
この商品は、Amazon.co.jpが販売および発送します。
+
はじめてのパターン認識
￥3,300
99ポイント(3%)
最短で4月3日 木曜日のお届け予定です
在庫あり。
この商品は、Amazon.co.jpが販売および発送します。
総額: $00
当社の価格を見るには、これら商品をカートに追加してください。
ポイントの合計: pt
詳細
追加されました
spCSRF_Treatment
これらの商品のうちのいくつかが他の商品より先に発送されます。
詳細の表示 詳細の非表示
一緒に購入する商品を選択してください。

商品の説明

出版社からのコメント

◆電子版が発行されました/詳細は,森北出版webサイトにて

著者について

京都工芸繊維大准教授 博(工)

登録情報

  • 出版社 ‏ : ‎ 森北出版; 第2版 (2017/4/4)
  • 発売日 ‏ : ‎ 2017/4/4
  • 言語 ‏ : ‎ 日本語
  • 単行本（ソフトカバー） ‏ : ‎ 272ページ
  • ISBN-10 ‏ : ‎ 4627847122
  • ISBN-13 ‏ : ‎ 978-4627847125
  • 寸法 ‏ : ‎ 15.7 x 1.5 x 22 cm
  • カスタマーレビュー:
    5つ星のうち4.0 12個の評価

著者について

著者をフォローして、新作のアップデートや改善されたおすすめを入手してください。
荒木 雅弘

荒木 雅弘

Brief content visible, double tap to read full content.
Full content visible, double tap to read brief content.

元大学教員。情報工学に関する教科書・技術書を執筆。

2018年 日本工学教育協会 工学教育賞（著作部門）受賞

著書一覧

マンガでわかる機械学習, オーム社, 2018

フリーソフトではじめる機械学習入門（第2版）, 森北出版, 2018.

フリーソフトでつくる音声認識システム - パターン認識・機械学習の初歩から対話システムまで - （第2版）, 森北出版, 2017

イラストで学ぶ音声認識, 講談社 , 2015.

フリーソフトで学ぶセマンティックWebとインタラクション, 森北出版, 2010.

カスタマーレビュー

星5つ中4つ
12グローバルレーティング

この商品をレビュー

他のお客様にも意見を伝えましょう
カスタマーレビューを書く

上位レビュー、対象国： 日本

  • バンシア
    5つ星のうち5.0 PRMLで挫折したため、購入しました。
    2018年5月15日に日本でレビュー済み
    Amazonで購入
    PRMLで挫折したため、購入しました。
    分かり易いです。高校レベルの数学で理解できます。

    本章は２部構成で、１部が機械学習について、２部は音声認識の実践について書かれています。
    １部が秀逸で、最近傍法(NN法)・最急降下法・サポートベクトルマシンなどは噛み砕いて、
    非常にわかり易く書かれています。
    ニューラルネットワーク・ディープラーニングはさわりだけ。
    ベイズ推定も８章で１章まるまる使って書かれています。この章は分かり易かった。
    個人的に、一番ためになったのは、付録の数学的補足で、
    共分散行列、固有値・固有ベクトル、ラグランジュ未定乗数法の説明が非常に分かり易かった。

    PRMLで挫折した方、読んでるけど難しくてわからないという方には是非お勧めします。
    10人のお客様がこれが役に立ったと考えています
    役に立った
     レポート
  • Amazonカスタマー
    5つ星のうち4.0 入門書としておすすめ
    2018年10月17日に日本でレビュー済み
    Amazonで購入
    仕事で必要になり購入しました。
    わかりやすい文体で丁寧に説明してあり、読みやすかったです。
    当方が未熟なため理解できない箇所が若干ありましたが、理解できない箇所を勉強しようという気になりました。
    役に立った
     レポート
  • スワン
    5つ星のうち3.0 ソフトが動かず残念
    2017年12月4日に日本でレビュー済み
    Amazonで購入
    音声認識やパターン認識の入門に興味があり購入しましたが、macOS High Sierra 10.13.1 ではWaveSurferをインストールすることができませんでした。

    たしかに説明は分かりやすかったので、フリーソフトが動かなかったのはとても残念です。
    2人のお客様がこれが役に立ったと考えています
    役に立った
     レポート
  • ほたる
    5つ星のうち5.0 wassii
    2017年11月27日に日本でレビュー済み
    Amazonで購入
    とても分かり易かった。著者の才能を感じた。
    演習問題がついていることも良かった。
    あえて難点をあげれば、macosxにwavesurferちゃんとインストールできなかったこと。著者のせいではないのだろうとは思うが。
    役に立った
     レポート
  • Amazon カスタマー
    5つ星のうち3.0 音声認識システムのことが書いてあります。
    2018年1月30日に日本でレビュー済み
    Amazonで購入
    音声認識システムのことが幅広く、全般にわたって書いてあります。
    役に立った
     レポート
  • 柴田健郎
    5つ星のうち5.0 かなりいい本かと思います
    2018年5月25日に日本でレビュー済み
    Amazonで購入
    演習問題も豊富でその回答も丁寧にあり、勉強になる本かと思います
    役に立った
     レポート