本書は、「深層学習」の「仕組み」に興味をもつ人々のために、「深層学習」の基礎である「人工ニューラルネット」の原理を解説することを目的として編まれた書籍である。第１章では、人工知能研究の歴史を簡潔にまとめる。第２章は、最も基本的な「階層型ニューラルネット」（パーセプトロン）の仕組みを詳説。第３章では、物理学と人工知能研究の接点について述べる。第４章は、「深層学習」の発展の原動力となった「畳み込みネットワーク」「回帰ネットワーク」「長・短期記憶」「トランスフォーマ」の本質に焦点を絞った簡潔な説明を狙う。

■ニューラルネットの歴史―「パーセプトロン」から「深層学習」まで― はじめに パーセプトロン 「線形非分離問題」と「深層化」 「深層学習」の誕生から現在まで ■階層型ニューラルネットモデル 脳神経網と「人工ニューラルネット」 「単層パーセプトロン」と「誤り訂正学習」 「損失関数」による限界突破 勾配消失問題 入力が複数の場合 階層型ニューラルネットモデルの万能性 「深層化」と「バックプロパゲーション」 ■非階層型ニューラルネットモデル 「深層学習」の基礎技術 「階層型」と「非階層型」 Hopfieldモデル ボルツマンマシン 「非階層ニューラルネット」の事例 ■「深層学習」への誘ない 「深層学習」の幕開け 「深層学習」を支える技術 「深層学習」の応用