抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文では,ディープ・ラーニングの構造を説明するために,1)入力層,2)中間層,3)出力層,4)教師データとの誤差の計算,5)教師信号に合うような重みの学習からなるニューラル・ネットワークの基礎を概説した。まず,ディープ・ラーニングは簡単なニューラル・ネットワークをたくさん並べたものであり,非常に多く存在する重みを決定するのが難しいので重み付けの計算について説明した。次に,i)畳み込みニューラルネットワーク,ii)リカレント・ニューラル・ネットワーク,iii)オート・エンコーダの構造を示した。i)は各層のノードを1列に並べるのではなく,碁盤目状に書いて各四角は画素値の入るノードであり,画像の枚数を増やす畳み込みと,画像を縮小するプーリングを行う。ii)では1つ前の計算結果と新しい入力をセットにし,過去の情報を引き継いで新しい出力を作るので過去のデータを使いながら未来のデータを予測する為替予測や,1つ単語を入れると芋づる式に言葉をつなげる自動作文に応用される。iii)は入力と出力を同じにし,入出力が一致するように中間層を学習するので教師データを必要としない特徴があり,その応用として変分オート・エンコーダを紹介した。