Enviar búsqueda
Cargar
Deeplearningとは?
•
10 recomendaciones
•
3,046 vistas
Yuto Suzuki
Seguir
ニューラルネットワークから畳み込みネットまで数式をほぼ使わずに解説してみました。中途半端な感じでわかりづらくなってしまいました。。
Leer menos
Leer más
Ciencias
Denunciar
Compartir
Denunciar
Compartir
1 de 51
Descargar ahora
Descargar para leer sin conexión
Recomendados
ニューラルネットワークの数理
ニューラルネットワークの数理
Task Ohmori
がんばろう!はじめてのDnn!
がんばろう!はじめてのDnn!
Shushi Namba
Deep learningの軽い紹介
Deep learningの軽い紹介
Yoshihisa Maruya
有名論文から学ぶディープラーニング 2016.03.25
有名論文から学ぶディープラーニング 2016.03.25
Minoru Chikamune
全脳関西編(松尾)
全脳関西編(松尾)
Yutaka Matsuo
Lab introduction 2014
Lab introduction 2014
nlab_utokyo
マシンパーセプション研究におけるChainer活用事例
マシンパーセプション研究におけるChainer活用事例
nlab_utokyo
鳥肌必至のニューラルネットワークによる近未来の画像認識技術を体験し、IoTの知られざるパワーを知る
鳥肌必至のニューラルネットワークによる近未来の画像認識技術を体験し、IoTの知られざるパワーを知る
Kazuki Nakajima
Recomendados
ニューラルネットワークの数理
ニューラルネットワークの数理
Task Ohmori
がんばろう!はじめてのDnn!
がんばろう!はじめてのDnn!
Shushi Namba
Deep learningの軽い紹介
Deep learningの軽い紹介
Yoshihisa Maruya
有名論文から学ぶディープラーニング 2016.03.25
有名論文から学ぶディープラーニング 2016.03.25
Minoru Chikamune
全脳関西編(松尾)
全脳関西編(松尾)
Yutaka Matsuo
Lab introduction 2014
Lab introduction 2014
nlab_utokyo
マシンパーセプション研究におけるChainer活用事例
マシンパーセプション研究におけるChainer活用事例
nlab_utokyo
鳥肌必至のニューラルネットワークによる近未来の画像認識技術を体験し、IoTの知られざるパワーを知る
鳥肌必至のニューラルネットワークによる近未来の画像認識技術を体験し、IoTの知られざるパワーを知る
Kazuki Nakajima
Deeplearningと髪型レコメンドへの応用
Deeplearningと髪型レコメンドへの応用
taichi nishimura
多層NNの教師なし学習 コンピュータビジョン勉強会@関東 2014/5/26
多層NNの教師なし学習 コンピュータビジョン勉強会@関東 2014/5/26
Takashi Abe
DLフレームワークChainerの紹介と分散深層強化学習によるロボット制御
DLフレームワークChainerの紹介と分散深層強化学習によるロボット制御
Ryosuke Okuta
畳み込みニューラルネットワークが なぜうまくいくのか?についての手がかり
畳み込みニューラルネットワークが なぜうまくいくのか?についての手がかり
tm_2648
人工知能の(過去・現在・)未来と倫理
人工知能の(過去・現在・)未来と倫理
National Institute of Informatics (NII)
Deep Learningの技術と未来
Deep Learningの技術と未来
Seiya Tokui
実装ディープラーニング
実装ディープラーニング
Yurie Oka
Learning to forget continual prediction with lstm
Learning to forget continual prediction with lstm
Fujimoto Keisuke
Deep Learningと画像認識 ~歴史・理論・実践~
Deep Learningと画像認識 ~歴史・理論・実践~
nlab_utokyo
20150414seminar
20150414seminar
nlab_utokyo
Deep Learningの基礎と応用
Deep Learningの基礎と応用
Seiya Tokui
Ibis2016okanohara
Ibis2016okanohara
Preferred Networks
東北大学講義資料 実世界における自然言語処理 - すべての人にロボットを - 坪井祐太
東北大学講義資料 実世界における自然言語処理 - すべての人にロボットを - 坪井祐太
Preferred Networks
Cvim saisentan-6-4-tomoaki
Cvim saisentan-6-4-tomoaki
tomoaki0705
ディープラーニングで株価予測をやってみた
ディープラーニングで株価予測をやってみた
卓也 安東
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
nlab_utokyo
TensorFlowによるCNNアーキテクチャ構築
TensorFlowによるCNNアーキテクチャ構築
Hirokatsu Kataoka
Deep learningの概要とドメインモデルの変遷
Deep learningの概要とドメインモデルの変遷
Taiga Nomi
MIRU2014 tutorial deeplearning
MIRU2014 tutorial deeplearning
Takayoshi Yamashita
機械学習ライブラリ : TensorFlow
機械学習ライブラリ : TensorFlow
エンジニア勉強会 エスキュービズム
Scalaで行うマイグレーション ~Flyway~
Scalaで行うマイグレーション ~Flyway~
Yuto Suzuki
Slackから始めるChatOps
Slackから始めるChatOps
Yuto Suzuki
Más contenido relacionado
La actualidad más candente
Deeplearningと髪型レコメンドへの応用
Deeplearningと髪型レコメンドへの応用
taichi nishimura
多層NNの教師なし学習 コンピュータビジョン勉強会@関東 2014/5/26
多層NNの教師なし学習 コンピュータビジョン勉強会@関東 2014/5/26
Takashi Abe
DLフレームワークChainerの紹介と分散深層強化学習によるロボット制御
DLフレームワークChainerの紹介と分散深層強化学習によるロボット制御
Ryosuke Okuta
畳み込みニューラルネットワークが なぜうまくいくのか?についての手がかり
畳み込みニューラルネットワークが なぜうまくいくのか?についての手がかり
tm_2648
人工知能の(過去・現在・)未来と倫理
人工知能の(過去・現在・)未来と倫理
National Institute of Informatics (NII)
Deep Learningの技術と未来
Deep Learningの技術と未来
Seiya Tokui
実装ディープラーニング
実装ディープラーニング
Yurie Oka
Learning to forget continual prediction with lstm
Learning to forget continual prediction with lstm
Fujimoto Keisuke
Deep Learningと画像認識 ~歴史・理論・実践~
Deep Learningと画像認識 ~歴史・理論・実践~
nlab_utokyo
20150414seminar
20150414seminar
nlab_utokyo
Deep Learningの基礎と応用
Deep Learningの基礎と応用
Seiya Tokui
Ibis2016okanohara
Ibis2016okanohara
Preferred Networks
東北大学講義資料 実世界における自然言語処理 - すべての人にロボットを - 坪井祐太
東北大学講義資料 実世界における自然言語処理 - すべての人にロボットを - 坪井祐太
Preferred Networks
Cvim saisentan-6-4-tomoaki
Cvim saisentan-6-4-tomoaki
tomoaki0705
ディープラーニングで株価予測をやってみた
ディープラーニングで株価予測をやってみた
卓也 安東
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
nlab_utokyo
TensorFlowによるCNNアーキテクチャ構築
TensorFlowによるCNNアーキテクチャ構築
Hirokatsu Kataoka
Deep learningの概要とドメインモデルの変遷
Deep learningの概要とドメインモデルの変遷
Taiga Nomi
MIRU2014 tutorial deeplearning
MIRU2014 tutorial deeplearning
Takayoshi Yamashita
機械学習ライブラリ : TensorFlow
機械学習ライブラリ : TensorFlow
エンジニア勉強会 エスキュービズム
La actualidad más candente
(20)
Deeplearningと髪型レコメンドへの応用
Deeplearningと髪型レコメンドへの応用
多層NNの教師なし学習 コンピュータビジョン勉強会@関東 2014/5/26
多層NNの教師なし学習 コンピュータビジョン勉強会@関東 2014/5/26
DLフレームワークChainerの紹介と分散深層強化学習によるロボット制御
DLフレームワークChainerの紹介と分散深層強化学習によるロボット制御
畳み込みニューラルネットワークが なぜうまくいくのか?についての手がかり
畳み込みニューラルネットワークが なぜうまくいくのか?についての手がかり
人工知能の(過去・現在・)未来と倫理
人工知能の(過去・現在・)未来と倫理
Deep Learningの技術と未来
Deep Learningの技術と未来
実装ディープラーニング
実装ディープラーニング
Learning to forget continual prediction with lstm
Learning to forget continual prediction with lstm
Deep Learningと画像認識 ~歴史・理論・実践~
Deep Learningと画像認識 ~歴史・理論・実践~
20150414seminar
20150414seminar
Deep Learningの基礎と応用
Deep Learningの基礎と応用
Ibis2016okanohara
Ibis2016okanohara
東北大学講義資料 実世界における自然言語処理 - すべての人にロボットを - 坪井祐太
東北大学講義資料 実世界における自然言語処理 - すべての人にロボットを - 坪井祐太
Cvim saisentan-6-4-tomoaki
Cvim saisentan-6-4-tomoaki
ディープラーニングで株価予測をやってみた
ディープラーニングで株価予測をやってみた
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
TensorFlowによるCNNアーキテクチャ構築
TensorFlowによるCNNアーキテクチャ構築
Deep learningの概要とドメインモデルの変遷
Deep learningの概要とドメインモデルの変遷
MIRU2014 tutorial deeplearning
MIRU2014 tutorial deeplearning
機械学習ライブラリ : TensorFlow
機械学習ライブラリ : TensorFlow
Destacado
Scalaで行うマイグレーション ~Flyway~
Scalaで行うマイグレーション ~Flyway~
Yuto Suzuki
Slackから始めるChatOps
Slackから始めるChatOps
Yuto Suzuki
Cloud Foundry にアプリケーションを push する際の典型的な10のエラー
Cloud Foundry にアプリケーションを push する際の典型的な10のエラー
nota-ja
TensorFlowの使い方(in Japanese)
TensorFlowの使い方(in Japanese)
Toshihiko Yamakami
マジカルドリームライトを制御してみた @ni_gata
マジカルドリームライトを制御してみた @ni_gata
Ni-gata Supika
時代は SNS 連携! WordPress サイトの SNS 連携、AMP & Instant Article 対策体験記 - WordFes Nagoy...
時代は SNS 連携! WordPress サイトの SNS 連携、AMP & Instant Article 対策体験記 - WordFes Nagoy...
Katz Ueno
WordPress
WordPress
Eleanor Trinidad
【WordCamp Kansai 2014】WordPressで実制作までまるっとHAPPY!フリーランスママの愛されディレクション
【WordCamp Kansai 2014】WordPressで実制作までまるっとHAPPY!フリーランスママの愛されディレクション
Aimi Sata
4時間まったりWordPressテーマ作成講座
4時間まったりWordPressテーマ作成講座
Shinichi Nishikawa
WordPressの常識をくつがえす超簡単テーマ"doshirouto"を作ったのでこれでテーマを理解しよう!
WordPressの常識をくつがえす超簡単テーマ"doshirouto"を作ったのでこれでテーマを理解しよう!
Takashi Uemura
JAWS FESTA Tohoku 2014 WordPressとAWSの素敵な関係
JAWS FESTA Tohoku 2014 WordPressとAWSの素敵な関係
Kazue Igarashi
超高速WordPress
超高速WordPress
Kengyu Nakamura
WordPressってブログじゃないの?
WordPressってブログじゃないの?
tokumotonahoko
Semi-Supervised Autoencoders for Predicting Sentiment Distributions(第 5 回 De...
Semi-Supervised Autoencoders for Predicting Sentiment Distributions(第 5 回 De...
Ohsawa Goodfellow
第11回ゼロから始めるWordPress勉強会
第11回ゼロから始めるWordPress勉強会
kenji goto
2014年 失敗しない! WordPress 多言語サイト制作で絶対に知っておきたいこと
2014年 失敗しない! WordPress 多言語サイト制作で絶対に知っておきたいこと
Katz Ueno
2015 5 13_facebook3
2015 5 13_facebook3
Yuki Fujino
Web動画、WordPressで使ってみよう!
Web動画、WordPressで使ってみよう!
Katz Ueno
WordPressの常識をくつがえす超簡単テーマ doshirouto2014 を作ったのでこれでテーマを理解しよう!
WordPressの常識をくつがえす超簡単テーマ doshirouto2014 を作ったのでこれでテーマを理解しよう!
Takashi Uemura
論文輪読資料「A review of unsupervised feature learning and deep learning for time-s...
論文輪読資料「A review of unsupervised feature learning and deep learning for time-s...
Kaoru Nasuno
Destacado
(20)
Scalaで行うマイグレーション ~Flyway~
Scalaで行うマイグレーション ~Flyway~
Slackから始めるChatOps
Slackから始めるChatOps
Cloud Foundry にアプリケーションを push する際の典型的な10のエラー
Cloud Foundry にアプリケーションを push する際の典型的な10のエラー
TensorFlowの使い方(in Japanese)
TensorFlowの使い方(in Japanese)
マジカルドリームライトを制御してみた @ni_gata
マジカルドリームライトを制御してみた @ni_gata
時代は SNS 連携! WordPress サイトの SNS 連携、AMP & Instant Article 対策体験記 - WordFes Nagoy...
時代は SNS 連携! WordPress サイトの SNS 連携、AMP & Instant Article 対策体験記 - WordFes Nagoy...
WordPress
WordPress
【WordCamp Kansai 2014】WordPressで実制作までまるっとHAPPY!フリーランスママの愛されディレクション
【WordCamp Kansai 2014】WordPressで実制作までまるっとHAPPY!フリーランスママの愛されディレクション
4時間まったりWordPressテーマ作成講座
4時間まったりWordPressテーマ作成講座
WordPressの常識をくつがえす超簡単テーマ"doshirouto"を作ったのでこれでテーマを理解しよう!
WordPressの常識をくつがえす超簡単テーマ"doshirouto"を作ったのでこれでテーマを理解しよう!
JAWS FESTA Tohoku 2014 WordPressとAWSの素敵な関係
JAWS FESTA Tohoku 2014 WordPressとAWSの素敵な関係
超高速WordPress
超高速WordPress
WordPressってブログじゃないの?
WordPressってブログじゃないの?
Semi-Supervised Autoencoders for Predicting Sentiment Distributions(第 5 回 De...
Semi-Supervised Autoencoders for Predicting Sentiment Distributions(第 5 回 De...
第11回ゼロから始めるWordPress勉強会
第11回ゼロから始めるWordPress勉強会
2014年 失敗しない! WordPress 多言語サイト制作で絶対に知っておきたいこと
2014年 失敗しない! WordPress 多言語サイト制作で絶対に知っておきたいこと
2015 5 13_facebook3
2015 5 13_facebook3
Web動画、WordPressで使ってみよう!
Web動画、WordPressで使ってみよう!
WordPressの常識をくつがえす超簡単テーマ doshirouto2014 を作ったのでこれでテーマを理解しよう!
WordPressの常識をくつがえす超簡単テーマ doshirouto2014 を作ったのでこれでテーマを理解しよう!
論文輪読資料「A review of unsupervised feature learning and deep learning for time-s...
論文輪読資料「A review of unsupervised feature learning and deep learning for time-s...
Similar a Deeplearningとは?
深層学習入門
深層学習入門
Danushka Bollegala
人間の思考、機械の思考
人間の思考、機械の思考
maruyama097
今さら聞けないITエンジニアのための人工知能
今さら聞けないITエンジニアのための人工知能
Keisuke Tameyasu
mi-8. 人工知能とコンピュータビジョン
mi-8. 人工知能とコンピュータビジョン
kunihikokaneko1
opensource and accessibility (Dec2000) Part 2
opensource and accessibility (Dec2000) Part 2
Takuya Nishimoto
汎用人工知能について(2015-12)
汎用人工知能について(2015-12)
Naoya Arakawa
Scrum alliance regional gathering tokyo 2013 pub
Scrum alliance regional gathering tokyo 2013 pub
グロースエクスパートナーズ株式会社/Growth xPartners Incorporated.
NNKproject Japanese version
NNKproject Japanese version
nao takatoshi
NNKproject Japanese version2
NNKproject Japanese version2
nao takatoshi
再帰んのお話 Rpalt20220117
再帰んのお話 Rpalt20220117
Ryu CyberWintelligent
ディープラーニングのしくみと、どのように活用できるか?
ディープラーニングのしくみと、どのように活用できるか?
Katsuya Yamada
令和元年度 実践セミナー - Deep Learning 概論 -
令和元年度 実践セミナー - Deep Learning 概論 -
Yutaka KATAYAMA
集合知プログラミング勉強会キックオフMTG LT用資料
集合知プログラミング勉強会キックオフMTG LT用資料
tetsuro ito
深層学習よもやま話
深層学習よもやま話
Hiroshi Maruyama
マルウェア分類に用いられる特徴量 Kaggle - Malware Classification Challenge勉強会
マルウェア分類に用いられる特徴量 Kaggle - Malware Classification Challenge勉強会
Takeshi Ishita
Deep Neural Network の教師なし学習 (MIJS 分科会資料)
Deep Neural Network の教師なし学習 (MIJS 分科会資料)
Akihiro HATANAKA
Getting Started with Deep Learning using Scala
Getting Started with Deep Learning using Scala
Taisuke Oe
Similar a Deeplearningとは?
(17)
深層学習入門
深層学習入門
人間の思考、機械の思考
人間の思考、機械の思考
今さら聞けないITエンジニアのための人工知能
今さら聞けないITエンジニアのための人工知能
mi-8. 人工知能とコンピュータビジョン
mi-8. 人工知能とコンピュータビジョン
opensource and accessibility (Dec2000) Part 2
opensource and accessibility (Dec2000) Part 2
汎用人工知能について(2015-12)
汎用人工知能について(2015-12)
Scrum alliance regional gathering tokyo 2013 pub
Scrum alliance regional gathering tokyo 2013 pub
NNKproject Japanese version
NNKproject Japanese version
NNKproject Japanese version2
NNKproject Japanese version2
再帰んのお話 Rpalt20220117
再帰んのお話 Rpalt20220117
ディープラーニングのしくみと、どのように活用できるか?
ディープラーニングのしくみと、どのように活用できるか?
令和元年度 実践セミナー - Deep Learning 概論 -
令和元年度 実践セミナー - Deep Learning 概論 -
集合知プログラミング勉強会キックオフMTG LT用資料
集合知プログラミング勉強会キックオフMTG LT用資料
深層学習よもやま話
深層学習よもやま話
マルウェア分類に用いられる特徴量 Kaggle - Malware Classification Challenge勉強会
マルウェア分類に用いられる特徴量 Kaggle - Malware Classification Challenge勉強会
Deep Neural Network の教師なし学習 (MIJS 分科会資料)
Deep Neural Network の教師なし学習 (MIJS 分科会資料)
Getting Started with Deep Learning using Scala
Getting Started with Deep Learning using Scala
Más de Yuto Suzuki
5xx解消への道のり
5xx解消への道のり
Yuto Suzuki
MySQLのインデックス入門
MySQLのインデックス入門
Yuto Suzuki
Ad vol.2
Ad vol.2
Yuto Suzuki
広告勉強会
広告勉強会
Yuto Suzuki
Mastering Bitcoin ~network~
Mastering Bitcoin ~network~
Yuto Suzuki
Aerospike基本のき
Aerospike基本のき
Yuto Suzuki
いまさらAkkaStream
いまさらAkkaStream
Yuto Suzuki
Introduction of View Through Tracking
Introduction of View Through Tracking
Yuto Suzuki
エンジニアのためのマーケティング
エンジニアのためのマーケティング
Yuto Suzuki
How to Build a Team
How to Build a Team
Yuto Suzuki
プロダクトにおけるScala
プロダクトにおけるScala
Yuto Suzuki
Do you like scala
Do you like scala
Yuto Suzuki
Re invent
Re invent
Yuto Suzuki
大学の時の研究の話
大学の時の研究の話
Yuto Suzuki
F.O.Xを支える技術
F.O.Xを支える技術
Yuto Suzuki
Scala戦士を増やせ
Scala戦士を増やせ
Yuto Suzuki
Recommend scala
Recommend scala
Yuto Suzuki
スクラムに学ぶ開発の回し方
スクラムに学ぶ開発の回し方
Yuto Suzuki
Breezeで始めるデータ分析
Breezeで始めるデータ分析
Yuto Suzuki
進撃のSbt
進撃のSbt
Yuto Suzuki
Más de Yuto Suzuki
(20)
5xx解消への道のり
5xx解消への道のり
MySQLのインデックス入門
MySQLのインデックス入門
Ad vol.2
Ad vol.2
広告勉強会
広告勉強会
Mastering Bitcoin ~network~
Mastering Bitcoin ~network~
Aerospike基本のき
Aerospike基本のき
いまさらAkkaStream
いまさらAkkaStream
Introduction of View Through Tracking
Introduction of View Through Tracking
エンジニアのためのマーケティング
エンジニアのためのマーケティング
How to Build a Team
How to Build a Team
プロダクトにおけるScala
プロダクトにおけるScala
Do you like scala
Do you like scala
Re invent
Re invent
大学の時の研究の話
大学の時の研究の話
F.O.Xを支える技術
F.O.Xを支える技術
Scala戦士を増やせ
Scala戦士を増やせ
Recommend scala
Recommend scala
スクラムに学ぶ開発の回し方
スクラムに学ぶ開発の回し方
Breezeで始めるデータ分析
Breezeで始めるデータ分析
進撃のSbt
進撃のSbt
Deeplearningとは?
1.
DeepLearning とは なんぞや? 鈴木雄登
2.
自己紹介 • 鈴木雄登 • CyberAgent
13年入社 • 今:Scalaでサーバーサイド • 昔:自然言語処理 • @moc_yuto
3.
DeepLearning 怖い? 人工知能?
4.
そもそも何ができるの?
5.
今回は数式はほぼ使いません。
6.
まず機械学習って? • パターンを学習する(学習) • そのバターンのうちどれにあてはまるか(予測、推 測)
7.
学習 人間ですか?? 違います!
8.
DeepLearningとは? ニューラルネットワークの一種 特に3層以上のもの
9.
DeepLearningの要素技術 • ニューラルネットワーク • 自己符号化器(飛ばす) •
畳み込みニューラルネット • 再帰型ニューラルネット • ボルツマンマシン(飛ばす)
10.
ニューラルネットワーク 人間の脳のシナプスを模倣したアルゴリズム
11.
ニューラルネットワーク 単層パーセプトロン 多層パーセプトロン
12.
画像認識としてのNN 多クラス分類という ライオン、猫、犬、象、ト ラック、机、椅子、牛乳、 人、バスタブ、コーン、バレー ボール、ラケット、ビニール 袋、リモコン、がちょう、 マウンテンバイク、・・・ 判定する画像 大量のカテゴリ
13.
じゃあニューラルネットワー クでどうやるのか?
14.
カテゴリ2 カテゴリ1 どっちのカテゴリっぽい? ・・・ ・・・
15.
1 0 0 1 1 0 1 1 1 w1 w2 w3 w4 w5 w6 w7 w8 w9 y カテゴリ1の場合、0以上なら通れる カテゴリ2の場合、0以下なら通れる 重み z
16.
1 0 0 1 1 0 1 1 1 w1 w2 w3 w4 w5 w6 w7 w8 w9 y z
17.
0 0 0 0 0 0 1 1 0 w1 w2 w3 w4 w5 w6 w7 w8 w9 zy
18.
学習のサイクル y 通れた←何もしない 通れない←重み更新 このセットを繰り返して、 全ての学習用のデータが正しく分類できるまで続ける。
19.
機械学習QA • 学習って何を学習してるのか? →重み • 予測ってなにしてるのか? →学習された重みを含んだ式に当てはめる
20.
拡張して3層にできます 0 0 1 1 ちょっと省略しました。 z1
21.
0 0 1 1 z1 そもそも出力は一つでなくていい(単層でも同じ) z2
22.
多クラス分類 0 0 1 1 犬 猫 人
23.
でも、 さっきの方法だと1か0だし、 確率みたいにできなそう
24.
勾配降下法 そもそも出力が0か1だけというのは、 学習が極端になってしまうため、 学習に適していない。
25.
・0か1か:0だったら更新、1だったら更新しない ・0 x 1:誤差を最小にする 重みの更新判定
26.
・0 x 1:誤差を最小にする 0 0 1 1 z1 学習データ
値を取得:0.4 予想していた値:1 乖離
27.
学習データ 値を取得:0.4 予想していた値:1 乖離 誤差関数 こいつを最小化するように重みを決めたい。
28.
シグモイド関数 入力した値を0から1の間に収めてくれる関数
29.
0 0 1 1 z1 各ユニットでシグモイド関数を適用してあげると、 [0,1]になって使いやすく。 この関数を活性化関数と言います。
30.
学習データ 値を取得:0.4 予想していた値:1 乖離 誤差関数 こいつを最小化するように重みを決めたい。
31.
ある関数の最小値を求めるのってどうやるの?
32.
ここ 傾き=0 微分して0
33.
勾配が降下してる!!!! →勾配降下法
34.
実際の計算方法 多層の場合、重みの重みになってしまう。 これの微分とかヤヴァイ。。。。
35.
バックプロパゲーション 0 0 1 1 z1 1層目の重み 2層目の重み 1,まず2層目の重みを誤差関数を最小化して求める 2,2層目で最小化したものを用いて、1層目の微分を行う …
36.
過適合 本当の最小値ではないところで、 収まってしまうこと。 人間でも広い世界を見ないと 井の中の蛙になってしまうのと同じですね
37.
過適合対策 • 更新される重みに制約をつける • ドロップアウト •
重みに上限を設ける
38.
畳み込みニューラルネット
39.
畳み込みニューラルネット • 画像向けのNN • 画像認識の分野においては最も主流のニューラルネッ ト
40.
41.
畳み込みNNの構造 • 畳込み層:画像上の各位置ごとに特徴抽出を行う層 (フィルタ処理)。バックプロパゲーションで重み (フィルタ)の最適化 • プーリング層:畳み込みで作られた重み(フィル タ)の情報量を落とす役割。
42.
畳込み層 実際の画像とフィルタと呼ばれる画像の画素の積和計算を行う フィルタは決めた分だけずらしながら適用。
43.
畳込み層での処理 R G B フィルタ適用 足し合わせる
44.
プーリング層での処理 • 畳み込みで抽出した特徴をぼやかして、情報量を落 とす。(実際なぜうまくいくかはわかっていない。) → 最大プーリング
45.
学習は? 【実行】 畳み込みは、ネットワークを出力方向へ進むのと同義 畳込み層でのフィルタは、重み 【重み更新】 同じく、バックプロパゲーションを行う
46.
フィルタを適用する回数分、 NNのユニットが存在すると考えると同じになる
47.
精度 • 2012年の物体カテゴリ認識のコンペで優勝を飾っ た • タスク:1000種のカテゴリから画像がどこに属す るかを当てる
48.
再帰型ニューラルネット • 音声や言語解析向けのNN • 系列データに向く
49.
構造 一部は出力され、一部はもう一度戻ってくる構造
50.
学習などの考え方 t-1 t t+1
51.
DeepLearningの要素技術 • ニューラルネットワーク • 自己符号化器 •
畳み込みニューラルネット • 再帰型ニューラルネット • ボルツマンマシン
Descargar ahora