ディープラーニング概要②

【機械学習】

機械学習はプログラマーがプログラムした以上のことが出来るようになることを一つの基準とします。そこには、単にプログラムされたものではないという意味が込められています。すなわち、機械自身が学習するという意味です。

学習の方法は2パターンあり、一つは教師あり学習でもう一つは教師なし学習です。

・ニューラルネットワーク

ニューロンの構造と働きをモデルとしたAIで、ニューロンの連携を数値モデル化したものです。

・ディープラーニング

ディープラーニングはニューラルネットワークの一技術です。最も大きな変革点として学習データがあれば自動的にニューラルネットワークがデータ群の特徴を抽出してくれることが挙げられます。

ニューロンの結合を数理的にモデル化したものをパーセプトロンといい、ニューラルネットワークの出発点になりました。このパーセプトロンは多層では効果が薄れてしまうという欠点があり、それを解決するために開発された技術がネオコグニトロンです。これがディープラーニングの基礎となりました。

ディープラーニングが大きく成長した理由として、オートエンコーダも挙げられます。このオートエンコーダの登場により、多層学習において、層が深くなっても強い学習機能を持たせることができるようになりました。

・パーセプトロン

ニューロンが他のニューロンから受け取る信号量により、興奮するかしないか決まるという仕組みを数理モデル化したものとシナプスの前後で同時に神経細胞が興奮するとき、そのシナプス効率は強化されるという学習則を組み合わせて作られたものです。

・ネオコグニトロン

生理学の知見を応用し、開発された技術です。多層学習に強いことが特徴です。

・オートエンコーダ

三層ニューラルネットワークにおいて、入力層と出力層に同じデータを用いて教師あり学習をさせたものです。

大西優司