現代数学の系譜11 ガロア理論を読む31

現代数学の系譜11 ガロア理論を読む31at MATH

現代数学の系譜11 ガロア理論を読む31 - 暇つぶし2ch336:contents/itj17_28-35.pdf Deep Learning 入門小野潔 ITJ インテック 2016 概要　近年注目されているDeep Learning は突然現われたわけでなく、人工知能の数々の挫折から生み出された技術である。Deep Learning はパターン認識を自動学習で行う5 ～ 30 層から構成されるニューラルネットである。機械学習のアルゴリズムの中には数学で証明されていないものもあり、Deep Learning に至っては、物を判別できる理由すら満足に説明できていない。『手書き数字のパターン認識』はDeep Learning の一つであるAuto Encoder で実現できる。 Deep Learning の転移学習は基礎研究なしで応用研究への転用やシステムに取り込むことができる。インテックでは、特定分野のキャスティングボートを握るため、Deep Learning 転移学習の可能性を探っている。 1. はじめに　近年注目されているDeep Learning( 深層学習) は、ニューラルネットワークという脳の仕組みをヒントにした人工知能（Artificial Intelligence）の一分野である。 Deep Learning はまだ理論が解明されていないのに関わらず、画像認識／パターン認識の分野では既存の分析手法を凌駕した。さらに今年、囲碁の世界チャンピオンに勝ち、世界を驚かせた。　Deep Learning は機械学習によるモデリングを行うため、本稿では機械学習から説明する。機械学習のアルゴリズムの中には数学で証明されていないものもあり、後から証明されるケースも少なくない。 Deep Learningに至っては、物を判別できる理由すら説明できていない。　Deep Learning は突然現われたわけでなく、人工知能の数々の挫折から生み出された技術である。本稿では前半は統計学と人工知能の歴史、さらにDeep Learning の衝撃を述べ、後半は手書き数字を解読するDeep Learning のアーキテクチャーとその実装法を紹介する。本稿は深層学習やニューラルネットワークの動向をSE ／プログラマー向けにテクニカルでわかりやすい解説を目指した。

次ページ

続きを表示

1を表示