CATEGORY 深層学習

深層学習

概念から実装まで丸わかり!ディープラーニング特集

初めまして!AINOWインターン生の鴨居です。 大学院で情報系の研究をしながら色々なIT企業でインターンしまくってるIT大好き人間です。。 さて、今回は「ディープラーニング」についてもう少し詳しく知りたいな~とか、実際に実装までしてみたい!といった方々向けに、ディープラーニングに関してまとめられたスライドをご紹介したいと思います! ディープラーニングってなに…?とか、そもそもディープラーニングと機械学習って何が違うんだっけ…?と感じている方はこちらの記事をお読みください   ◆目次 ① ディープラーニングとは ② ディープラーニングって何に使われているの? ③ ディープラーニングを試してみる   ① ディープラーニングとは ディープラーニングの全体像について知りたいという方は下記のスライドが参考になると思います。 これから始めるディープラーニング from Okamoto Laboratory, The University of Electro-Communications   スライドをまとめると、ディープラーニングには下記のような特徴があります 多層のニューラルネットワークを使用する 特徴量を自動で抽出してくれる 学習データが大量に必要かつ計算時間がかかる   お気づきの方もいると思いますが、ディープラーニングの概念を理解するためにはニューラルネットワークの知識が不可欠です… ニューラルネットワークについて詳しくないよという方は下記のスライドやリンクに目を通してから、さきほどのスライドを読み直すと理解が深まると思います!   ニューラルネットワーク入門 from naoto moriyama まだわからない…もっと感覚的に理解したい!という方はこちらを参考にしてください   ディープラーニングはニューラルネットワークの層を増やすことでより精度の高い結果を得ることができているのですね! このような概念は昔から存在していましたが、マシンの計算性能の向上によって計算時間が短縮されたことがディープラーニング流行の大きな要因であるといえます。 ディープラーニングについてある程度理解できた(?)ところで、実際にどのようなアプリケーションに応用されているかについて紹介していきます! ② ディープラーニングって何に使われているの? 下記のスライドにいくつかの活用事例が紹介されています。 ディープラーニングの最新動向 from Preferred Infrastructure & Preferred Networks   昨今話題の自動運転などにもディープラーニングが活用されているといわれています。特に情報量が多いデータを扱う画像認識の分野などで活用されており、医療画像の解析や表情による感情認識などさまざまな応用事例があります。 ディープラーニングは人間の脳を模したニューラルネットワークを多層にしたもので、自動運転や医療分野にも応用されているなんかスゴイ技術。。。これを使ってなんかやってみたいけど知識もないし絶対無理……

インタビュー

ディープラーニングに必須のGPUって何なの?NVIDIAでいろいろ聞いてきた

おはようございます、デジマラボ編集長の飯野(@jombo65)です。 ディープラーニングが話題にあがるとき、必ずといっていいほど「GPU」という言葉を聞きますよね。 そんな(おそらく)ディープラーニングと切っても切れない… ディープラーニングに必須のGPUって何なの?NVIDIAでいろいろ聞いてきたはBITA デジマラボで公開された投稿です。…この記事の続きを読む

深層学習

GPUより10倍高速の深層学習用IC、Intelが買収の米社が開発

米Intel社は、AI技術の強化を狙い、ディープラーニング(深層学習)技術をウリモノにするベンチャー企業の米Nervana Systems社を買収した。Nervanaは2014年に設立の若い企業だが、クラウドベースで深層学習関連のソフトウエアを一通りそろえているほか、2017年完成を目指して深層学習に特化した専用のICの開発を進めている。…この記事の続きを読む

深層学習

自己符号化器と主成分分析による次元圧縮

はじめに 次元圧縮手法として自己符号化器と主成分分析を実装しました. 教科書として『深層学習』と『はじめてのパターン認識』を使いました. 本記事の構成 はじめに 自己符号化器 主成分分析 2つの手法の関係 pythonでの実装 auto encoder PCA 結果 おわりに 自己符号化器 自己符号化器(auto encoder) とは,入力を訓練データとして使い,データをよく表す特徴を獲得するニューラルネットワークです. 教師データを使わない教師なし学習に分類され,ニューラルネットワークの事前学習や初期値の決定などの利用されます. では,自己符号化器の説明に移ります. 以下の図に示すような3層のネットワークを考えます.活性化関数は恒等写像関数 $g(a) = a$ です. 中間層のユニットの値 $z_j$ および出力層のユニットの値 $y_k$ は,入力を順伝播させることで求められます. begin{align} & z_j = sum_i w_{ji} x_i \ & \ & y_k = sum_j tilde w_{kj} z_j end{align} 中間層のユニットの値を並べたベクトルを $boldsymbol z$,出力層のユニットの値を並べたベクトルを $boldsymbol y$, $w_{ji}$ を…