まえがき
第1章　機械学習とは
　1.1　機械学習とは
　　1.1.1　深層学習の成果
　　1.1.2　学習と機械学習・深層学習
　　1.1.3　機械学習の分類
　　1.1.4　深層学習に至る機械学習の歴史
　1.2　本書例題プログラムの実行環境について
　　1.2.1　プログラム実行までの流れ
　　1.2.2　プログラム実行の実際
第2章　機械学習の基礎
　2.1　帰納学習
　　2.1.1　演繹的学習と帰納的学習
　　2.1.2　帰納的学習の例題―株価の予想―
　　2.1.3　帰納学習による株価予想プログラム
　2.2　強化学習
　　2.2.1　強化学習とは
　　2.2.2　Q学習―強化学習の具体的方法―
　　2.2.3　強化学習の例題設定―迷路抜け知識の学習―
　　2.2.4　強化学習のプログラムによる実現
第3章　群知能と進化的手法
　3.1　群知能
　　3.1.1　粒子群最適化法
　　3.1.2　蟻コロニー最適化法
　　3.1.3　蟻コロニー最適化法の実際
　3.2　進化的手法
　　3.2.1　進化的手法とは
　　3.2.2　遺伝的アルゴリズムによる知識獲得
?
第4章　ニューラルネット
　4.1　ニューラルネットワークの基礎
　　4.1.1　人工ニューロンのモデル
　　4.1.2　ニューラルネットと学習
　　4.1.3　ニューラルネットの種類
　　4.1.4　人工ニューロンの計算方法
　　4.1.5　ニューラルネットの計算方法
　4.2　バックプロパゲーションによるニューラルネットの学習
　　4.2.1　パーセプトロンの学習手続き
　　4.2.2　バックプロパゲーションの処理手続き
　　4.2.3　バックプロパゲーションの実際
第5章　深層学習
　5.1　深層学習とは
　　5.1.1　従来のニューラルネットの限界と深層学習のアイデア
　　5.1.2　畳み込みニューラルネット
　　5.1.3　自己符号化器を用いる学習手法
　5.2　深層学習の実際
　　5.2.1　畳み込み演算の実現
　　5.2.2　畳み込みニューラルネットの実現
　　5.2.3　自己符号化器の実現
参考文献
索　　引