従姉妹の結婚式で築地へ。東京は暖かく、満開の桜。人生の縮図が伝わってくる良い結婚式であった。お幸せに。

帰りは新幹線でサクッと。東北新幹線が先日の地震で一部区間通行止めにより、ほとんどが各駅停車の新幹線「なすの」となり那須塩原に停車するという、ある意味ありがたいダイヤとなっていた。毎度楽しみにしている、JRの新幹線社内誌トランヴェールに載っている沢木耕太郎の旅のつばくろは今月で最後で、楽しみが一つ減ってしまった。

今回の行き帰りでは、積読の本を読もうと最短コースでわかる ディープラーニングの数学を読む。そもそもディープラーニングに最低限必要な知識を、損失関数、行列演算、勾配下降法、シグモイドとソフトマックス関数、最尤推定、誤差逆伝播法として、理論編ではそれらの数学的な基礎を解説し、実践編では線形回帰・ロジスティック回帰・最後にニューラルネットワークまでを説明する。7割ぐらい読みすすめた（理論編＋αぐらい）のだけど、主に解析学(の初歩)関連の解説となっておりなるほど～。

例えば線形代数は内積説明のための三角関数、内積や内積のなす角度、行列積の計算とサラッとした感じであるし、確率も二項分布～正規分布、正規分布関数とシグモイド関数の類似性やシグモイド関数の微分のやりやすさ、ぐらいの説明となっていてページ数の割り振りも少ない。対して微分、極限、指数対数、ネイピア数、偏微分、全微分あたりはかなりページをさいてしっかりと説明している。内容的にも高校数学の必要な部分の総復習、という感じなので難しくない。

だいたいニューラルネットワーク本におまけ程度に載っている数学解説は「この公式や計算方法を覚えておいてね」ぐらいなのだけど、この本はきちんと基礎と大体の証明を行い、かつきちんとそれらがどの工程で使われるのか、というのが読み進めていくと解る感じになっていて、なかなか良い本なのでは、という感想を持った。もうちょっとで読み切れるので、えいやと読んでしまいたい。