内容紹介：世界は対称性にあふれている。入力に対する構造的な変換に対して不変であるのが対称性で、物理世界を扱う機械学習で効率的な学習を実現し、未知の状況にも対応できるようになるために欠かせない概念だ。本書は関係する数学を基礎から解説した上で、対称性が機械学習の文脈でどのように表されるのかを示し、利用する手法を紹介する。
世界は対称性にあふれている。機械学習ではデータや対象となる問題をどのように表現するかが重要な課題であり、この世界を表現する機械学習の発展に対称性の概念は欠かせない。本書は、対称性、群、リー群、リー代数の重要な部分について基礎から直観的にもわかるように解説する。その上で、対称性が機械学習のモデルの中でどのように表わされるかを示し、機械学習のアーキテクチャや学習手法に組み込む方法を紹介する。これにより、世界の法則を直接、機械学習モデルに取り込むことができる。
もくじ情報：１　対称性と機械学習への誘い；２　群・表現論；３　対称性を備えた関数；４　対称性を備えたニューラルネットワーク；５　リー群に同変な関数の設計；６　クリフォード代数にもとづく対称性

岡野原　大輔(オカノハラ　ダイスケ)
１９８２年生まれ。２０１０年東京大学大学院情報理工学系研究科博士課程修了、博士（情報理工学）。２００６年Ｐｒｅｆｅｒｒｅｄ　Ｉｎｆｒａｓｔｒｕｃｔｕｒｅを共同で創業、２０１４年Ｐｒｅｆｅｒｒｅｄ　Ｎｅｔｗｏｒｋｓ（ＰＦＮ）を共同で設立。現在、ＰＦＮ代表取締役最高技術責任者、Ｍａｔｌａｎｔｉｓ代表取締役社長を務める（本データはこの書籍が刊行された当時に掲載されていたものです）