画像処理の統計モデリング ―確率的グラフィカルモデルとスパースモデリングからのアプローチ―（クロスセクショナル統計シリーズ 8）

片岡 駿 著, 大関 真之 著, 安田 宗樹 著, 田中 和之 著, 照井 伸彦 編, 小谷 元子 編, 赤間 陽二 編, 花輪 公雄 編

3,520円（税込）

共立出版

本書では、確率的グラフィカルモデルの統計的機械学習理論について、画像処理とパターン認識に応用例を絞りつつ概説することから始める。特にパターン認識では、クラス分類問題という視点において、多値ロジスティック回帰モデルと制約ボルツマンマシンという2つの確率的グラフィカルモデルを通し、深層学習の基礎となる数理を紹介する。その上で、グラフ構造の疎(Sparse)性という深層学習とは真逆の性質を元に急速に展開しつつあるスパースモデリングという新しい研究領域の最近の理論的基盤の深化の様子を、連続最適化問題という視点から解説する。
(本書英文表記：Shun Kataoka、 Masayuki Ohzeki、 Muneki Yasuda and Kazuyuki Tanaka: Statistical Modeling on Image Processing: Approaches from Probabilistic Graphical Model and Sparse Modeling)