実践GAN

GAN（Generative Adversarial Networks）、敵対的生成ネットワークとはIan Goodfellowらによって生み出された機械学習技術の一種です。2つの分離したニューラルネットワークを使うことで、実物と見まごうほどリアルな画像を生成することを可能としました。 本書はGAN（敵対的生成ネットワーク）を学びたい方のために入門から実装まで、理論を交えつつ解説していきます。本書全体を通じてJupyter Notebooksを使い、実装はPython、Kerasで行っていきますがいくつかの章ではGoogle ColaboratoryのNotebooksを提供します。 数学や関しては最小限のものに限っていますが、機械学習とニューラルネットワーク、Pythonプログラミングについてある程度の経験がある方を主な対象読者としています。 本書の目的は、GANが達成してきたことを理解するための知識と道具を提供し、新しい応用を見つけ作り出す力をつけていただくことです。GANは多くの可能性に満ちていますから、意欲的な方々であれば学術界・実世界に大きなインパクトを与えられることでしょう。 Part 1 GANと生成モデル入門 1章 GANことはじめ 2章 オートエンコーダを用いた生成モデル 3章 はじめてのGAN：手書き文字の生成 4章 DCGAN Part 2 GANの高度な話題 5章 学習と頻出する課題：GANの成功を求めて 6章 GANの成長 7章 半教師あり学習 8章 条件付きGAN 9章 CycleGAN Part 3 次にどこを目指すか 10章 対抗例 11章 GANの実用化 12章 今後の展望 Part 1 GANと生成モデル入門 1章 GANことはじめ 2章 オートエンコーダを用いた生成モデル 3章 はじめてのGAN：手書き文字の生成 4章 DCGAN Part 2 GANの高度な話題 5章 学習と頻出する課題：GANの成功を求めて 6章 GANの成長 7章 半教師あり学習 8章 条件付きGAN 9章 CycleGAN Part 3 次にどこを目指すか 10章 対抗例 11章 GANの実用化 12章 今後の展望