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．
＊＊＊＊＊＊
教師なし学習、オートエンコーダ、制限付きボルツマンマシン、畳み込みニューラルネットワーク、およびLSTM
この時点で、あなたは私がディープラーニングの「基本」と考えるものをすでに学んでいます。これらは、より複雑なニューラルネットワークに引き継がれる基本的なスキルです。これらのトピックは、より複雑な形式ではありますが何度も繰り返されます。しかし、「あなたがあなたが知らないことを知らない」という場所にあなたを置きたくはありません。ディープラーニングについてもっと学ぶことがたくさんあります！ここからどこへ行きますか。さて、この記事は主に「教師あり学習」に焦点を当てていますが、これはほとんどの人にとってずっと理にかなっていると思います。機械に「正しく」実行する方法の例を示すことによって、その動作方法を教える一方で、何かが正しく実行されない場合は「ペナルティを課す」ことをお勧めします。しかし、ニューラルネットワークがトレーニングできる「最適化」機能は他にもあります。ラベルを必要とすることすらありません。これは「教師なし学習」と呼ばれ、k平均クラスタリング、ガウス混合モデル、主成分分析などのアルゴリズムがこのファミリに分類されます。ニューラルネットワークには、教師なし学習を実行するための2つの一般的な方法があります。それは、オートエンコーダと制限付きボルツマンマシンです。驚くべきことに、これらの教師なしの方法のいずれかを使用してニューラルネットワークを「事前トレーニング」すると、最終的な精度が向上します。ディープラーニングは強化学習（エラー関数ではなく報酬ベース）にもうまく適用されており、Flappy BirdやSuperなどのビデオゲームをプレイするのに役立つことが示されています。
特別なニューラルネットワークアーキテクチャが特定の問題に適用されてきました（この記事では抽象的な意味でデータについて話してきましたが）。画像分類については、畳み込みニューラルネットワークがうまく機能することが示されている。これらは畳み込み演算子を使ってデータを最終的なロジスティックレイヤに送る前にデータを前処理します。配列分類に関しては、ＬＳＴＭ、または長期短期記憶ネットワークがうまく機能することが示されている。これらは特殊なリカレントニューラルネットワークであり、最近まで研究者達は訓練するのが非常に難しいと言っていました。ディープラーニングの適用について、他にどのような分野を考えましたか？株式市場？ギャンブル？自動運転車ですか？未開発の可能性がたくさんあります。
コメント