deep learning

定義: 深層学習

ディープラーニングは、人間の脳の構造と機能を模倣する人工ニューラル ネットワークを構築する機械学習技術です。実際には、深層構造学習または階層学習としても知られる深層学習は、非線形処理の多数の隠れ層 (通常は 6 層以上、多くの場合それ以上) を使用して、データから特徴を抽出し、データをさまざまな抽象レベルに変換します。 (表現)。

例として、入力データがピクセルの配列であると仮定します。通常、最初の層はピクセルを抽出し、画像要素のエッジを認識します。次のレイヤーでは、葉や枝などの単純な要素をエッジから構築できます。次の層は木などを認識できるようになります。あるレイヤーから別のレイヤーに受け渡されるデータは変換とみなされ、あるレイヤーの出力が次のレイヤーの入力に変わります。各レイヤーは異なる抽象化レベルに対応しており、マシンはどのデータ特性をどのレイヤー/レベルに配置するかを自ら学習できます。ディープラーニングは、より深いレベルの抽象化と階層表現を学習するため、従来の「浅いラーニング」とは異なります。

ディープラーニングはなぜ重要なのでしょうか?

この学習手法は、より多くのデータを分析するほどマシンのパフォーマンスが向上するため、大量のデータを処理するための革新的なツールです。データ量が増加するにつれて、マシンはデータ内のパターン (隠れたパターンも含む) を認識できるようになります。機械は処理されたデータからも学習するため、人間の介入をほとんどまたはまったく行わずに、生のデータから自動的に特徴の抽出と抽象化を実行できます。

ディープラーニングの実用化

自動音声認識 – すべての主要な商用音声認識システム (スマートフォン アシスタントを思い浮かべてください) は何らかの深層学習技術を使用しており、現在最も普及しているのはリカレント ニューラル ネットワークです。

コンピュータビジョン – 画像は特徴を認識するようマシンを訓練するために使用され、現在マシンは画像認識において「超人的」な精度を示しています。

自然言語処理 – 最新の深層学習技術により、翻訳と言語モデリングが改善されました。 Google 翻訳は、深層学習技術を使用して、文から文への翻訳を単に記憶するのではなく、文全体の意味に基づいて翻訳します。

A lire également  スパイウェア: 定義