情報科学書籍一覧　目次

ISBN4-89362-062-2　　パーソナルメディア

ダニエル・ヒリス 　著

喜連川 優 　著訳

A5判 　　286頁　　本体価格3,000円

[内容]

話題の「超並列処理型」コンピュータの解説書。原著に最新情報とベンチマーク値を追加した増補版。開発者自らが解説する待望の1冊。

[目次]

第１部 コネクションマシンＣＭ−１

第一章 序

1.1 考えるコンピュータ

1.2 従来のコンピュータアーキテクチャは時代遅れである

1.3 並列性が問題解決の鍵である

1.4 アルゴリズムに合わせてマシンを作る

1.5 コネクションマシンアーキテクチャ

1.6 並列マシン設計における諸問題

1.7 他のアーキテクチャとの比較

1.8 本書

1.9 注釈

第二章 コネクションマシンのプログラミング

2.1 コネクションマシンLispとコネクションマシンのプログラミングモデル

2.2 アルファ記法

2.3 ベータリダクション

2.4 DEFSTRUCTによるデータ構造の定義

2.5 例：経路長アルゴリズム

2.6 一般化されたベータ記法

2.7 CmLispはコネクションマシンを定義する

2.8 注釈

第三章 コネクションマシンの設計

3.1 プロセッサメモリセルの最適サイズ

3.2 通信ネットワーク

3.3 トポロジーの選択

3.4 さまざまなトポロジー

3.5 ルータアルゴリズムの選択

3.6 局所制御 対 共有制御

3.7 フォルトトレランス

3.8 入出力及び二次記憶

3.9 同期型設計 対 非同期型設計

3.10 数値処理 対 記号処理

3.11 スケーラビリティ及び拡張性

3.12 成功の評価

3.13 注釈

第四章 プロトタイプ

4.1 チップ

4.2 プロセッサセル

4.3 トポロジー

4.4 ルーティングの性能

4.5 マイクロコントローラ

4.6 演算の実例：加算

第五章 コネクションマシンのデータ構造

5.1 動的データ構造

5.2 集合

5.3 集合のビット表現

5.4 集合のタグ表現

5.5 集合のポインタ表現

5.6 部分集合の共有

5.7 ツリー

5.8 ツリーの最適ファンアウト

5.9 バタフライ

5.10 バタフライ上のソート

5.11 誘起型ツリー

5.12 文字列

5.13 配列

5.14 行列

5.15 グラフ

5.16 注釈

第六章 記憶割り当て

6.1 フリーリスト割り当て

6.2 ランダム割り当て

6.3 ランデブー割り当て

6.4 波状割り当て

6.5 ブロック割り当て

6.6 ガベージコレクション

6.7 圧縮

6.8 スワッピング

6.9 仮想セル

6.10 注釈

第七章 新しいコンピュータアーキテクチャと物理学との関係

また、なぜ計算機科学はよくないのか

7.1 なぜ計算機科学はよくないのか

7.2 コネクションマシン物理学

7.3 計算機科学への新しい期待

7.4 注釈

第２部 コネクションマシンＣＭ−２

アーキテクチャ、プログラミング、アプリケーション

第２部のはじめに

第一章 ハードウェア

1.1 システム構成

1.2 データプロセッサ

1.3 通信ネットワーク

1.4 I/Oシステム

第二章 プログラミング

2.1 PARISインターフェース
　2.1.1 仮想マシンアーキテクチャ
　2.1.2 PARISインストラクションの概観

2.2 プログラミング言語
　2.2.1 Fortran
　2.2.2 C*

第三章 アプリケーション

3.1 VLSI設計

3.2 ドキュメント検索

3.3 記憶ベース推論システム

3.4 タンパク質シーケンスマッチング
　3.4.1 サブシーケンスマッチング問題
　3.4.2 並列インプリメンテーション
　3.4.3 CM-2上へのインプリメンテーション

　

3.5 自然言語処理

　

第四章 コネクションマシンCM-2のベンチマーク評価

　

Amazon.co.jpで購入する

情報科学書籍一覧　目次

ISBN4-89362-110-6　　パーソナルメディア

原書：「Perceptrons：Expanded Edition」MIT Press

M・ミンスキー、S・パパート 　著

中野 馨・阪口 豊 　訳

A5判 　　352頁　　本体価格3,800円

[内容]

パーセプトロンを実例として、並列計算の理論を解説。
ミンスキーとパパートによる往年の名著の最新増補版。脳のモデル、ニューラルネットワーク、超並列コンピュータ、コネクショニズム…そして「心の社会」へ。

[目次]

プロローグ―1988年からの展望―

1940年代―ニューラルネットワーク

1950年代―ニューラルネットワークにおける学習

1960年代―コネクショニストとシンボリスト

1970年代―知識の表現

1980年代―学習機械の復活

第０章 序論

0.0 対象とする読者

0.1 現実の―抽象的な―そして神話の世界のコンピュータ

0.2 数学的な手法

0.3 サイバネティクスとロマンティシズム

0.4 並列計算

0.5 幾何学的パターンと論理関数

0.6 “局所的”の概念の１つ

0.7 “局所的”に関するそのほかの概念

0.8 パーセプトロン

0.9 パーセプトロンの魅力

0.10 本書の構成

第�T部 線形並列論理関数の代数学的理論

第�T部の序論

第１章 線形論理不等式の理論

1.0 序論

1.1 諸種の定義

1.2 論理関数のクラスに関して線形な関数

1.3 次数(order)の概念

1.4 マスクとそのほかの線形な表現の例

1.5 “正値標準形(positive normal form)定理”

1.6 次数有限の論理関数

第２章 論理不等式の群不変性

2.0 序論

2.1 例：対称的なものに関する係数の平均化

2.2 図形の同値類と論理関数の同値類

2.3 群不変定理(Group-Invariant Theorem)

2.4 次数１の群不変論理関数の自明性―群不変定理の第１の応用

第３章 パリティと“１区画に１つ”論理関数

3.0 序論

3.1 パリティ関数

3.2 “１区画に１つ”定理(One-in-a box Theorem)

第４章 “ＡＮＤ／ＯＲ”定理

4.0 序論

4.1 補題

4.2 Bezoutの定理に関する余談

第�U部 線形不等式の幾何学的理論

第�U部の序論

第５章 ψCONNECTED：次数が有限でない論理関数の幾何学的性質

5.0 序論

5.1 連結性定理(Connectedness Theorem)

5.2 例

5.3 スライスワイズ連結(Slice-wise Connectivity)

5.4 パーセプトロン

5.5 HuffmanによるψCONNECTEDの構成

5.6 円環|R|上での連結性

5.7 平面上のψCONNECTEDの次数より適切な下

5.8 位相に関する論理関数

5.9 パーセプトロンの位相的制約

第６章 次数の低い論理関数で識別できる幾何学的図形―スペクトルと文脈

6.0 第６章，第７章の序論

6.1 次数１の幾何学パターン

6.2 次数２のパターン―距離スペクトル

6.3 次数３の図形

6.4 次数４およびそれ以上の図形

6.5 スペクトル認識定理

6.6 背景のある図形

第７章 層化法と正規化

7.1 図形の同値性

7.2 層化定理

7.3 応用例１：直線上での対称性

7.4 応用例２：直線上の平行移動に関する合同

7.5 応用例３：平面上の平行移動

7.6 反復層化法

7.7 応用例５：平面上で座標軸に平行な辺をもつ正方形

7.8 応用例６：平行移動と拡大縮小の合成変換のもとで同値の図形

7.9 応用例７：特定の図形に同値な図形

7.10 みかけのパラドックス

7.11 問題点

第８章 有限直径パーセプトロン

8.0 序論

8.1 肯定的な結果

8.2 否定的な結果

8.3 有限直径の積分不変量

8.4 有限直径パーセプトロンに対するオイラー不変量の一意性の証明

第９章 幾何学的論理関数と直列演算

9.0 連結性と直列演算

9.1 連結性を判定する直列アルゴリズム

9.2 チューリング機械による連結性判定アルゴリズム

9.3 ψCONVEXの実現に必要なテープの容量

9.4 連結性と並列機械

9.5 繰り返し回路による連結性判定

第�V部 学習理論

第�V部の序論

第10章 係数の大きさ

10.1 パリティ判別論理関数の係数

10.2 係数は|R|の指数関数よりも速く増大することがある

10.3 係数の値が最大になると思われる論理関数

10.4 無限平面上の郡不変定理と有界係数

第11章 学習

11.0 序論

11.1 パーセプトロンの収束定理

11.2 収束定理の証明

11.3 収束定理の幾何学的証明

11.4 収束定理の変形

11.5 応用：パリティ判定関数ψPARITYの学習

11.6 山登り学習としての収束過程

11.7 パーセプトロンと全探索型機械

11.8 線形分離不可能な場合

11.9 パーセプトロン循環定理

11.10 循環定理の証明

第12章 線形分離と学習

12.0 序論

12.1 情報の検索と帰納的推論

12.2 種々の分類アルゴリズム

12.3 線形分離法の幾何学的解釈

12.4 論理関数値の確率分布を用いた決定

12.5 分離データ法のためのＡfileアルゴリズム

12.6 完全一致検査(exact matching)に必要な時間と記憶容量

12.7 最良合致法のための演算時間と記憶容量の関係―未解決の問題

12.8 変化分計算法

第13章 パーセプトロンとパターン認識

13.0 序論

13.1 ギャンバ・パーセプトロンとそのほかの多層線形機械

13.2 そのほかの多層機械

13.3 現実の情景の解析

13.4 Guzmanの情景解析法

13.5 なぜ定理を証明するのか？

13.6 本研究の源とその展開

13.7 幾何学的性質の計算

13.8 そのほかの人たち

13.9 そのほかの環境

13.10 機関からの援助

エピローグ

パーセプトロンでは何ができないか？

対称性を認識する

学習

山登り法と一般化デルタルール

問題の規模を大きくすること

サンプリング分散の問題

規模の問題

心の社会

パーセプトロンを超えて

相互作用と相互絶縁

発達の段階

アーキテクチャと専用化

シンボル対分散表現

並列のパラドックス

表現と一般化

参考文献

索引