深層学習ことはじめ その2

これから数回にわたって深層学習についての記事を書きます.ひとまとめに長文としたものを数回に分けて紹介していきます.初学者向けです,何かの参考になれば.前回の記事を読んでいない方は先にそちらを見てください.

******

*前提条件を読んでください
ディープラーニングには大学レベルの計算と線形代数が必要であることに多くの人が驚きます。 はい、「数学」と言って、足し算と引き算を意味するのではありません。まずは無料の計算式MOOCを見つけ、完了したら戻ってきてください。明確にするために、この記事はあなたがすでにロジスティック回帰を知っていることと、それをNumpyとPythonを使ってコーディングする方法を知っていることを前提としています。繰り返しますが、これに対する反応は「なぜ本にロジスティック回帰を含めなかったのでしょうか」ということです。よくあることですが、線形回帰はロジスティック回帰の前提条件です。明らかに、この質問に終わりはありません。この記事ではPythonのforループとifステートメントについては説明しません。それらについて知らないからといってよいでしょう。
*練習が必要です
あまりにも説得力があるように聞こえないようにしてください、しかし、あなたがいくら読んでも、あなたは練習なしでは良くなりません。コードを何も書かずにいくつかのコースビデオを見た後、人々はなぜ彼らが専門家ではないのか疑問に思います。あなたはYouTubeを見ることから戦う方法を学びますか?もちろん違います!あなたはけがをすることになります。オンラインでボディビルディングのテクニックについて読むことはあなたの体格を向上させるのですか?もちろん違います!あなたは実際にジムに行く必要があります。あなたの数学の先生があなたに同じ問題についての何百ものバリエーションを割り当てていた理由があります。それは練習が完璧になるからです。すべてを読んだだけでは、ディープラーニングについて話し合ったときに自分が話していることを知っているように思えるかもしれませんが、端末で数時間だけで直感が教えられます。
ニューラルネットワークとは
歴史のある時点で、コンピュータ科学者がコンピュータコードで脳をモデル化しようとしていたので、ニューラルネットワークはそのように呼ばれます。最終的な目標は、「人工の一般的な情報」を作成することです。これは、私にとっては、あなたや私が学ぶことができるすべてを学ぶことができるプログラムを意味します。私たちはまだそこにいないので、人類を引き継ぐ機械について怖がる必要はありません。
現在、ニューラルネットワークは、画像や音声の分類などの特異なタスクを実行するのに非常に優れています。脳とは異なり、これらの人工ニューラルネットワークは非常に厳密な定義済み構造を持っています。脳は、電気的および化学的な信号を介して互いに交信するニューロンで構成されています(したがって、ニューラルネットワークという用語)。人工ニューラルネットワークではこれら2種類の信号を区別していないので、これからは「a」信号があるニューロンから別のニューロンに渡されていると言います。シグナルは、「活動電位」と呼ばれるものを介して、あるニューロンから別のニューロンに渡されます。それはニューロンの細胞膜に沿った電気の急上昇です。活動電位についての興味深いことは、それらが起こるか、またはしないかのどちらかです。 「間に」はありません。これは「全か無か」の原則と呼ばれます。ニューロン間のこれらの関係には長所があります。カナダの神経心理学者Donald Hebbに起因する「一緒に発火するニューロン、一緒につながるニューロン」というフレーズを聞いたことがあるかもしれません。強い関連性を持つニューロンは互いに「オン」になります。したがって、あるニューロンが別のニューロンに信号(活動電位)を送り、それらの結合が強い場合、次のニューロンも活動電位を持ち、他のニューロンに引き継がれる可能性があります。 1つのニューロンが別のニューロンに信号を送信すると、2番目のニューロンの電位がわずかに上昇する可能性がありますが、別の活動電位を発生させるのに十分ではありません。したがって、ニューロンが「オン」または「オフ」であると考えることができます。 (すなわち、それは行動の可能性を持っている、またはそれはしません)

コメント

タイトルとURLをコピーしました