「[[.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。
トップ   新規 一覧 単語検索 最終更新   ヘルプ   最終更新のRSS