文献

J-GLOBAL ID：201702259759130022   整理番号：17A0743510

算数&ラズパイから始める人気AIディープ・ラーニング 第2部 算数からはじめる人気のAI「ディープ・ラーニング」第1章 ニューラル/ネットワーク/ディープ/学習...だいたいつかむ 基礎はイメージから!今どきAIディープ・ラーニング

著者 (2件)： 牧野浩二 ,  西崎博光
資料名： インターフェース  (Interface)
巻： 43  号： 8  ページ： 52-60  発行年： 2017年08月01日 
JST資料番号： L0339A  ISSN： 0387-9569  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： 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。

シソーラス用語： *マイクロコンピュータ ,  *機械学習 ,  *ニューラルネットワーク ,  人工知能 ,  多層構造 ,  重みづけ ,  神経回路網 ,  符号器 ,  畳込み
準シソーラス用語： ディープラーニング ,  *ラズベリーパイ ,  リカレントニューラルネットワーク ,  畳込みニューラルネットワーク

分類 (3件)： ディジタル計算機方式一般  (JC02010O) ,  人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (5件)： 算数 ,  AI ,  学習 ,  基礎 ,  イメージ