「これならわかる深層学習　入門」瀧雅人著　の正誤表

機械学習スタートアップシリーズこれならわかる深層学習入門 (KS情報科学専門書)

作者: 瀧雅人
出版社/メーカー: 講談社
発売日: 2017/10/21
メディア: 単行本（ソフトカバー）
この商品を含むブログ (1件) を見る

瀧雅人さんの「これならわかる深層学習　入門」を読み始めました。
本屋でパラパラと見たところ、機械学習や深層学習に関して非常に丁寧に数式を使って説明してあるようでしたのできちんと一冊読んでみようという気になりました。
まだ最後まで読んでいませんが、いくつかタイポや書き間違えらしき部分がありましたので、自分用のメモも兼ねて書いておきます。

(誤) -----> (正)　という書き方で書いています

[2017/1/13追記]
以下の正誤表でアスタリスクが不要としていましたが、Chapter1に「アスタリスクのついた節は若干アドバンスな内容ですので、最初は読み飛ばしてかまいません.」という記述があるのを読み飛ばしていましたので、正誤表を訂正しました.

[Chapter 2]

p.15 式 (2.11)右辺の $\mathrm{x}_n$ はイタリック体の $x_n$

p15 式 (2.15)は以下のように修正
$E_{\mathcal{N}} [ \frac{1}{N} \sum_{n=1} ^N (x_n -\hat{\mu} )^2$ ]
$= E_{\mathcal{N}} [ \frac{1}{N} \sum_{n=1} ^N \left( (x_n - \mu )^2 - 2(x_n - \mu)(\hat{\mu} - \mu ) - (\hat{\mu} - \mu)^2 \right)$ ]

p.16 式 (2.20)
$\frac{1}{N^2} (\cdots)$ -----> $\frac{1}{N} (\cdots)$

p.18 式 (2.25)の２行下
$\log L(\theta) = -N \log \sigma^2 - \cdots$ ------> $\log L(\theta) = -\frac{N}{2} \log \sigma^2 - \cdots$

p.26 (2.45)の2行下
$L = (\omega)$ -----> $L(\omega)$

p.32
式(2.59)の３行下
対数オッズ比が1を超えると -------------------> 対数オッズ比が0を超えると

p.35 定義2.5
$P(C_k | x_n)$ の前に $\log$ が抜けている

[Chapter 4]
p.81 4.2.7 Adamの2行下
式(4.26) -----> 式(4.27)

p.85 式(4.45)の2行下
同時に第 $l$ 層のユニットと結合している $l+1$ 層の　-------> 同時に第 $l+1$ 層のユニットと結合している $l$ 層の

p.86 式(4.47)の1行下
$P( w^{(l-1)}) = P(- w^l)$ ---------> $P( w^{(l-1)}) = P(- w^{(l-1)})$

~~p.91 4.4.3節のタイトル文章のアスタリスクが不必要~~
[Chapter 5]
p.100
式(5.15), 式(5.16), 式(5.17)の $\omega$ の右肩の添え字のカッコが不必要

p.107
式(5.30)
$z = \sum_{k} ^{'} \cdots$ ------------> $z = \sum_{k'} \cdots$

p.109
式(5.32)の３行目exponentialの肩のカッコの数が合っていない.
式(5.33)の左辺も同様.

p.111 ２行目文中の式
$p/(1-p)$ ---------------> $(1-p)/p$

[Chapter 6]
p.116
式(6.4)
d -----> y

p.119
(図 6.1)で $\omega^{(l-1)}$ -----> $\omega^{(l)}$

p.119 3行目の文中の式
$\omega^{(l)} (u^{(l-1)})$ -----> $\omega^{(l)}f (u^{(l-1)})$

p.119
式(6.9)
$\delta^{(l)} = \frac{\partial E}{\partial u^{(l)}} \frac{\partial u^{(l+1)} }{\partial u^{(l)}}=\cdots$ ----> $\delta^{(l)} = \frac{\partial E}{\partial u^{(l+1)}} \frac{\partial u^{(l+1)} }{\partial u^{(l)}}=\cdots$