文献

J-GLOBAL ID：201702244929029424   整理番号：17A0641484

人工知能の学習法と法的リスクの洗い出し ディープラーニングを学ぶための指針とリソース~人工知能の利活用を進めるために~

著者 (1件)： 石井一夫 (東京農工大)
資料名： 技術情報協会研究開発リーダー  (月刊技術情報協会研究開発リーダー)
号： 131  ページ： 37-40  発行年： 2017年02月20日 
JST資料番号： L5967A  ISSN： 1349-1393  資料種別： 逐次刊行物 (A)
記事区分： 解説  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ディープラーニングは,多層型ニューラルネットワークに基づく機械学習の一手法である。その導入により,パターン認識率が大幅に向上するため,第3次人工知能ブームの牽引車となっている。しかし,きちんと使いこなせるようになるには,いくつかのステップを踏む必要があるので,その方法を紹介する。それは,基本事項を理解し,モデルの種類を知り,実装する,というステップである。ニューラルネットワークを多層に積み重ねたモデルに機械学習をさせると,ディープラーニングになる。各層には,外からの刺激に応答する活性化関数があり,正規化線形関数(ReLU)が用いられる。主なモデルには,畳み込みニューラルネットワーク(CNN),再帰型ニューラルネットワーク(RNN),制限付きボルツマンマシン(RBM),ディープビリーフネットワーク(DBN),積層自己符号化器がある。ディープラーニングの実装は,ディープラーニングフレームワーク上で行う。これは,ディープラーニングの基本技術をまとめて,複雑なグラフ構造を簡単に実現できるようにした支援システムである。

シソーラス用語： *機械学習 ,  ニューラルネットワーク ,  方式 ,  *人工知能 ,  モデル ,  関数 ,  Boltzmannマシン ,  ネットワーク ,  符号器 ,  活性化関数 ,  線形関数 ,  *深層学習 ,  リカレントニューラルネットワーク
準シソーラス用語： *ディープラーニング ,  *学習方法 ,  再帰型ニューラルネットワーク ,  信念ネットワーク ,  積層自己符号化器 ,  フレームワーク

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 人工知能 ,  リスク ,  洗い出し ,  ディープラーニング ,  指針 ,  リソース ,  活用