「[[.NET 開発基盤部会 Wiki>http://dotnetdevelopmentinfrastructure.osscons.jp]]」は、「[[Open棟梁Project>https://github.com/OpenTouryoProject/]]」,「[[OSSコンソーシアム .NET開発基盤部会>https://www.osscons.jp/dotNetDevelopmentInfrastructure/]]」によって運営されています。 -[[戻る>ニューラルネットワーク]] *目次 [#s4413bb4] #contents *概要 [#ha063b73] 学習フェーズでは、信号は逆方向に伝播する。 -学習とは、重みパラメタを自動獲得するためのもの。 -実際のニューラルネットワークの重みパラメタは、 --数千、数万になるため、手動での設定は不可能。 --更に層を深めた深層学習(deep learning)では数億にも登る。 -重みパラメタの自動獲得のため、損失関数という指標を導入する。 --損失関数を基準に??その値が最小になるように重みパラメタを探す。 --このような値を探し出すためには、勾配法という手法を用いる。 *学習はデータ駆動 [#mbc3dc7d] -MNISTデータセットの分類処理を行うアルゴリズムを考え出すのは困難。~ しかし、機械にデータを学習させる機械学習を用いれば分類処理が実現可能。 >人間が(暗黙的な学習によって、)これらを判別することはできる。~ 従って、人間の脳も、一部は、このようなデータ駆動で動いているのかもしれない。 -このように、アルゴリズムを捻り出すのではなく、データを有効活用して解決する方法に、~ 画像から[[特徴量>#be25bbf1]]を抽出し、[[特徴量>#be25bbf1]]のパターンを機械学習の技術で学習するという方法がある。 **特徴量 [#be25bbf1] -入力された学習データから特徴量と呼ばれる数値を抽出する。 -学習データにどのような特徴があるかを数値化したもの。 -特徴量の抽出は人間が設計し実装する必要がある。 -抽出した特徴量を元に機械はパターン・経験則をモデルを使って学習する。 -特徴量選択 --入力画像データから、本質的なデータを抽出できるように設計された変換器を指す。 ---画像データの特徴量は通常、ベクトルを使用して表される。 ---SIFT, SURF, HOGなどによって画像データをベクトル化する。 **機械学習 [#yb9b7687] ベクトル化された画像データを機械学習のSVMやKNNなどの識別器で学習させる。