AI基礎１
人口神経を相互接続したもので計算を構造化し、コネクショニズム的計算手法で情報を処理する。入力と出力の間の複雑な関係をモデル化し、データのパターン認識や観測された変数間の未知の同時分布における統計的構造を捉える。ディープラーニングとは、多層のニューラルネットワークによる機械学習の手法である。
２．パーセプトロン
人間の脳にはニューロンという神経細胞があり、それを数式で表すためにニューロンモデル(形式ニューロン)が定義された。ニューロンモデルは一つ以上の入力値と一つの出力値を持っている(ただし、出力値は二値(１：ある、０：ない)で表される)。二値で出力するためにしきい値を用いる。入力値それぞれに対し、結合荷重(係数)という定数との積を足し合わせた数(ネット値)を活性化関数を通した結果をしきい値と比較して二値のどちらかを出力するモデルをパーセプトロンという。入力層と出力層の二層だけのモデルを単純パーセプトロンという。
３．ディープラーニングの種類
- 畳み込みニューラルネットワーク(Convolutional Neural Network) CNN
教師あり学習。画像データの扱い、認識、分類
〇できていること
画像認識、画像の説明テキスト生成、運転支援、個人特定
〇今後できそうなこと
リアルタイムの検査、競技の採点、農業など自然を対象とする仕事の自動化 - リカレントニューラルネットワーク(Reccurent Neural Network) RNN
教師あり学習。時系列データの扱い、未来予測や自動作文に強い
〇できていること
翻訳、小説作成、電力予測、自動記事作成
〇今後できそうなこと
話し相手、防犯、教育目的(学習管理) - オートエンコーダ(Auto Encoder) AE
教師なし学習。ノイズ除去や画像生成に強い
〇できていること
低解像度から高解像度への復元、画像生成(画風模倣、筆跡模倣など)
〇今後できそうなこと
芸術作品の生成、合成音声による声優
