ディープラーニング備忘録
はじめに
目的
@daikikatsuragawa は機械学習に興味があり、学習しています。しかし、何故かディープラーニングを避けていました。この記事は、そのような著者に強制的にディープラーニングを学習させることを目的としています。
※断り
- 本記事は筆者の学びに応じて更新されます📖
- 本記事に誤りが存在した場合、積極的に編集リクエストをしてください🙇♂️
ディープラーニングとは
概要
人間の神経細胞(ニューロン)の構造を模倣するニューラルネットワークを何層も使い、機械がデータから自動的に学習する方法である。 深層学習、ディープニューラルネットワーク、DNNとも呼ばれる。学習の過程は、大きく入力層、隠れ層(中間層)、出力層の3つに分かれる。計算処理の主流は、並列処理に特化した「GPU」(Graphics Processing Unit)を使用することです。
3つの層
入力層(input layer)
データが入ってくる部分。
隠れ層(hidden layers)
この層が多いほど複雑で正確な判断が可能。
出力層(output layer)
判断した結果を出力する部分。
種類
1. 畳み込みネットワーク
画像認識に適した手法。
2. 再起型ニューラルネットワーク
時系列情報に適した手法。
3. オートエンコーダ
データを抽象化する手法(次元削減)。
4. 敵対的生成ネットワーク
画像分野で良い結果を持つ手法。以下、2つのネットワークで構成される。
- ジェネレータ:入力値から画像データを出力。
- ディスクリミネータ:ジェネレータから出力された画像データを受け取り、本物か偽物かを予測。
課題
ブラックボックス問題
ディープラーニングで出力された結果の経路および経緯など根拠を知り得ないという問題がある。
Author And Source
この問題について(ディープラーニング備忘録), 我々は、より多くの情報をここで見つけました https://qiita.com/daikikatsuragawa/items/676bf6839300e71dd264著者帰属:元の著者の情報は、元のURLに含まれています。著作権は原作者に属する。
Content is automatically searched and collected through network algorithms . If there is a violation . Please contact us . We will adjust (correct author information ,or delete content ) as soon as possible .