情報科学 ：「基礎」の検索結果

通信とネットワークについて，一通りの基礎技術を解説したテキスト． 信号のディジタル化や伝送技術，多重化技術から，LAN，TCP/IP，携帯電話技術，VoIP，ネットワークサービスなど，物理層からアプリケーション層まで広範囲に扱います． 最近の話題である近距離無線やネットワークセキュリティはもちろん，一度は学んでおきたい従来の技術についてもふれます． できるだけ難解な式は避け，図表を使い平易に説明しました．また，各章に例題と演習問題を配置し，理解を容易にしています． 広範囲の基礎を学ぶことができる，初学者に最適な1冊です．

生体認証の基礎となるパターン認識をプログラミングでお手軽に実践!数字・顔・テクスチャー・さまざまな図形…etc．いろいろな画像の特徴をつかむアルゴリズムとプロジェクトの作成方法を1冊でマスターする。 パターン認識の基礎； 画像の前処理； パターン認識の簡単な例； フーリエ記述子による数字認識； ニューラルネットによる数字認識； 離散コサイン変換による顔認識； KL変換による顔認識； 2次元フーリエ変換によるテクスチャーマッチング； ウェーブレット変換によるテクスチャーマッチング； 遺伝的アルゴリズムによる図形認識； ラスタベクトル変換による図形認識； VC#．NETとVC++．NETによるアプリケーション作成

多倍長計算環境を設計するための理論的基礎・計算アルゴリズムに加え、C/C++による多倍長計算ライブラリのプログラミングテクニックや、演算の高速化手法について詳しく解説。 第1章多倍長精度数値計算とは?； 第2章コンピュータにおける数値演算の基礎； 第3章コンピュータにおける計算高速化手法； 第4章GNUMPの多倍長整数演算と多倍長有理数演算； 第5章多倍長浮動小数点数演算―GMPのMPFとMPFR/GMP； 第6章マルチコンポーネント型ライブラリQD； 第7章基本線形計算と連立1次方程式の解法； 第8章混合精度反復改良法； 第9章多倍長計算の高速化技法拾遺；

強化学習は「ポストビッグデータ」の技術である! 人工知能，金融工学，ロボット制御，言語処理，生産現場やサービスの最適化，あらゆる分野に応用が広がる強化学習．十分なデータが与えられることが前提とされる他の機械学習法と異なり，「足りないデータを集めながら最適化すること」に力点を置く強化学習は，ビッグデータの先を行くための重要な技術となることが期待されます． 強化学習の「いま」を知り，「これから」を切り拓くための1冊． 本書では，この分野を代表する執筆陣が集い，強化学習の基礎・発展・応用を多面的に解説します． ・基礎：強化学習の動作原理と基本アルゴリズムを，初学者でも分かるように導入． ・発展：より複雑な問題に対処し，高度な研究に進むための，さまざまな発展的手法を解説． ・応用：マルチロボットシステムの制御，対話処理，医療データ分析，囲碁の対局など広範な応用例・研究事例を通して，強化学習の活用法を紹介．人間の行動や脳の動作を説明するモデルとしての理論・実験も解説． ――強化学習の基礎を学びたい方，発展的手法に触れたい方，応用可能性を一望したい方に最適な1冊!

クォータニオン(四元数)とスプライン曲線を中心にCG数学を解説した入門書。CG数学の最も基本的な操作である、行列による回転・拡大・座標変換を基礎からていねいに解説しているので、直観的にはわかりにくい四元数と回転の対応が自然に理解できます。また、B-スプライン曲線やNURBSなどについても、その生成方法や考え方をていねいに解説。高校数学の復習から始まるので、他書では敷居が高く感じている人にもおすすめです。

情報・符号の基礎から誤り訂正までをまとめた入門テキスト．情報理論の工学的意味の説明から書かれていますので，目的意識をもって学べます． とかく数学的になりがちな内容なので，苦手意識をもつ方もいるかもしれません．本書の特徴である ・直観的な理解に役立つ豊富な図表 ・数式に頼らない，定性的な説明 により，初学者でも安心して学べます． 例題や演習問題を通して，理解力・計算力を深めることもできます．

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。