スポンサーリンク
プロフィール

Author:やる夫達のいる日常
一言:新しいPCほしい

NEW!新規まとめ作品第1話リンク
10/13
日本っぽい異世界で鉄道縦断の旅
10/9
METAL・YARUO ~鋼鉄の魂~
10/8
かくして少女達は出会う
10/4
横島くんは死神になるそうです
10/2
ファンキー・デッド・ラブ&ピース
その名は「レヴィ・ザ・スラッシャー」!!
10/1
カップやる夫とマグない夫はタマシイを賭けてしまったようです


Pick up!
いきものがかりたち
プレ医師ネタ 神奈川県医師会からのお願い


このブログについて詳しくはこちら
About
プライバシーポリシー


現行作品リスト
完結作品リスト


※注意
当ブログからの転載はおやめください。
元スレ及び掲示板の規約に従うようお願いします。



※コメントに関して
一部のスラング的な表現が含まれている場合、内容の如何を問わず承認しない場合があります。ご了承ください。

コメントの文字数に対し上限を設定しています。お手数ですが長くなってしまった場合、2回に分けるなどお願いします。
またコメントの承認は必ずされるものではありません

PASSを設定していないコメントに編集用リンクが表示されないように変更しました。



※したらば掲示板文字化け発生中
元AAがわかる物や文字化けの規則性がわかっている物は、出来る限り修正していく予定です(わからなかったらそのままになるかも…)



※推奨ブラウザ
Firefox
Google Chrome

非推奨
IE(また開発が終了しているブラウザのため対応予定はありません)

その他ブラウザは確認できていません。


Saitamaarフォント様を導入しています。
手持ちのiOS及びAndroid環境で表示確認済みです。



相互リンク、相互RSS募集してます
連絡等は以下のどちらかへ
(Twitterで連絡してくださる方がありがたいです)
@yaruonitijou
メールフォーム


安価・あんこ作品、及び雑談所作品のまとめ依頼の受付を一時停止しています。
非安価作品についてはどなたでも受け付けていますのでお気軽にどうぞ。
まだまとめられていない作品を優先しますので、その点はご了承ください。
複数のまとめサイトに同時依頼する事はなるべくおやめいただけると幸いです。

スポンサーリンク
ブログ内検索(テスト中)
スポンサーリンク
最新コメント
スポンサーリンク
PR
カテゴリ
カウンター
PV

UA


Online:
リンク(敬称略)
やる夫系掲示板
やる夫板Ⅱ
やる夫スレヒロイン板(新)
やらない夫板Ⅱ
小さなやる夫板
やる夫楽曲短編投下所(livedoor版)
やる夫楽曲短編投下所(seesaa版)

やる夫系紹介サイト
やる夫.jp
やる夫wiki
やる夫RSS+インデックス
やる夫澪標
やる夫見聞録
やるリンク(試験運用中)
やる夫スレキャラクター出演作まとめwiki
やる夫ログ
やる夫Link
やる夫電脳インデックス
やるリンク改
やる夫ガイド

やる夫まとめ
やる夫短篇集地獄編
やる夫短篇集阿修羅編
やる夫短編集あしゅら編
ぶらりとやる夫
ヒーローまとめてやる夫
やるやら書庫
やる夫の暇つぶし
やる夫の暇つぶし麻亜屈
やる夫之書
やる模
やらない夫オンリーブログ
やる夫AGE
このやる夫スレ、まとめてもよろしいですか?
AA・やる夫文庫
やるやら鍋
やる夫疾風怒濤
隣のAA
やる夫叙事詩
やる夫まとめ堂
勝手にやる夫を纏めたりするブログ
泳ぐやる夫シアター
RPG系AA物語まとめるお
嗚呼! やる夫道
やるやらできやら
やる夫道中記
やるぽん!
やる夫まとめに挑戦
東方やる夫スレ纏め
暇な時にやる夫まとめ
やる夫を拾い読み
やる夫スレ自分チェック用
大惨事!!スーパーAA大戦α
やる夫のブックシェルフ

レビューサイト
チラシの裏の読書感想文
まけいぬのとおぼえ
へっぽこデジタル生活
貧者の一読
駄目人間は静かに暮らしたい
トリガーハッピーエンド
SSの紹介とか感想とかを書きなぐるサイト
ヴィーナさんのスコップ感想欄

作品・作者別wiki
ドジっ子ちっきー ◆zQtZuWsqf6のまとめページ@wiki
できない子のMM部活動日誌
やらない夫は宿を再興するそうです
麻呂と丸京の100万G返済生活
やる夫が異世界で前を向いて生きるようです
Fate/Parallel Lines @ 総合ウィキ
◆5wbYUif2XM総合うぃき
逆アクセスランキング(ずっとテスト中)
忍者ツールズのアクセスランキングを利用していましたが、完全復旧せずサービス停止されるそうです。お疲れさまでした。

もうi2iさんぐらいしかないかな……?
スポンサーリンク

読者投稿:ディープラーニングを浅く解説

目次 国際的な小咄

3020 : 人工微脳 ◆51GnwCTLg2 : 2020/09/20(日) 13:12:19 ID:O4g7Dpvg


読者投稿:ディープラーニングを浅く解説

              ノヘ
              /ソ| |          ドーモ。ドクシャ=サン。ロトムこと人工微脳です
             ノノ. | |          分かりやすいよう酉の他に名前つけました
             」_| | ヽ
           //~  ,,,,ヽヽ        今回はディープラーニングです
           |:iミ>  iイiL | |        またの名を深層学習。かっこいいと思う方で呼んであげてください
          _ゞ:~、._,`" ノ/_
      く,``~~,~-``ヽ,-,イソ`ヽ,`-、,,,_    なんか響きがかっこいい!
       `'ゝヽ、_  ヽヽノ,ノ    'ヽ  _ゝ   すごいって聞くし何でもできそう!
     ,ノ''~   、ゝ  ~| /   ノ`~  ヽ
   ∠.,―``~~    V   ~`--,,__ \   みたいなイメージを抱く方も多いのではないでしょうか
                      `-,,,\
                         ̄


                        ..::
                       .::/l::
                          .::/ .l::           しかし実際のところ
                       .::/  l::
                    .::/   .l::           ディープってなにがディープなのさ?
                  ....::::::_/    !::.           深層って何、上昇負荷がやばかったりするん?
                ..:::xf"´      ヽ:::.
                  :::/J!   〃))   ',::.         と思う方もいるでしょう
                    :::{`、_ ((〃    j:::
           . . . . . .:::::、           ノ::
       : ::r― ==-   ::`ァ   t-‐''´::、 .         その辺を親指の爪の根本程度に解説します
        : \「:::..     :::乂 _,ノ:::    ::\::.        数学の部分は可能な限り消し去ったのでご安心を
       .......:::::::x:::::...     ::::::: '"     :.ヽ\:...
    .....::::::;::r ´  丶::...     :::::    ::::::::::::::::::::ー::::::..
  ....::::::-=ニ l::'ー――一'::::::..   ::'     ::::::、 ̄ ̄ >:::::::::.
....:::::::::::::::::::::::::::::::::::::::::::::::::::::::::.         ::::...、 〈:::.    予め言っておきますがいずれの説明も厳密ではないです
                           :::ヽ- ':::::..   では今日も語弊を恐れずにやっていきましょう
                               ::\ヽ:::.
                               ::\、::..
                                     ::::::...
                                  ` :..





3022 : 人工微脳 ◆51GnwCTLg2 : 2020/09/20(日) 13:12:34 ID:O4g7Dpvg




                     .:::
                    .:/l::     深層学習について話すのですが都合上
                        .:/ l::     中身は殆どニューラルネットの話になります
                  .::/   l::
                 ...::::::_ノ   ,:::     と、言うのも深層学習というのは一言でいうと
             ..:; /¨ll    _ ヽ:..     「層状に連なったニューラルネット」
               :::l lしリ  〃¨! l::.    のことだからですね。そしてニューラルネットを一言にすると
         ..............:::.、`¨r 、 lし'ノ l:::     「めっちゃ集まったパーセプトロン」
         ::::ヽ>.:: :::〉 ー' ___,ノ::    ってな感じですね
            .:: ヘ::.   ::ゝ __,ノ:::::::::.
       ...::/   ';::.   :::::::: :  ::|ヽ::...   ニューラルネットとは人工知能のモデルの一種で、
    ....:::∠ ∟ _}::.   :::     ::l_';::.   名前の通り神経細胞群を模した形状のものを言います
  ..:::::::::::::::::::::::::::::::::::::      ...:::::::::::::::::::  そしてひとつひとつの神経細胞がパーセプトロンです
                   :::::', ̄ヽ:::
                    :::ヽ __';::.   レアコイルがニューラルネットなら
                       :::.\ ',::  コイルがパーセプトロンとでも思ってください
                       ::.ヘl::
                         ::




    ム       でもジバコイルは深層学習ではないです
  (6 v 6)      お前が3つ連なったレアコイルだったらなあ……
  ▽ヽ ノ▽     まあ人気投票2位さんの話はともかく
  △ム_ゝ△     パーセプトロンとは何ぞや? が分かれば深層学習も分かる!
            の気持ちでまずはパーセプトロンのお話です


3023 : 人工微脳 ◆51GnwCTLg2 : 2020/09/20(日) 13:12:51 ID:O4g7Dpvg




              ノヘ
              /ソ| |
             ノノ. | |           大変大雑把な説明ですが
             」_| | ヽ           神経細胞はある刺激X(x1,x2,...,xn)に対して
           //~  ,,,,ヽヽ          構造やそれまでの経験からf()を通じて
           |:iミ>  iイiL | |         次の神経細胞に応答Y(y1,y2,...,yn)を返す細胞です
          _ゞ:~、._,`" ノ/_
      く,``~~,~-``ヽ,-,イソ`ヽ,`-、,,,_
       `'ゝヽ、_  ヽヽノ,ノ    'ヽ  _ゝ    つまり単純化すると Y = f(X) なんですね!
     ,ノ''~   、ゝ  ~| /   ノ`~  ヽ        ※今日の語弊ポイント
   ∠.,―``~~    V   ~`--,,__ \
                      `-,,,\
                         ̄  パーセプトロンはこのf()を学習するわけです




                      f'ヘ
                        l  ヘ
                    l   ヘ                そして肝心の手順は
                  -l    ハ_
             ,  ´   j     〉 `丶、           1:入力Xと正解Y'を用意する
     ¨ヽ    / 。        - '    \          2:適当なf()を用意する
   / /  ヽ   {     - 、            \         3:Y = f(X)を計算して与えられたY'との差異を見る
  ./ /         ヽ  。 { f¨ヽY⌒ヽ , ,ニヽ  。  丶       4:YがY'に近づくようにf()を少しずつ調整する
  〈   /⌒ヽ ヽ   ヽ  ヘヘ,_j |--、 // /ノ         〉
          } ヽ  ,、 '. f  ー'   ヘ ー'∠、 。   〃       なんとこれだけです
   ヽ  丶- '   Y   i |   -‐ 、  ̄  |    /        XをYに変換する任意の関数f()が学習できるはずです
     ヽ.        /゚ヽi |           |  [
      \     /   i |            |  、 `丶、
          \_/    ', 丶、        |  |ヽ  !       低次の関数くらいなら手計算でもできます
                丶、 > .      |  | | L_          ※ただし手首は死ぬ
                 / `  < `  ー'  ノ |   `> .
                  {__ /    l  ̄¨T´   |  , - 、 > ,  手順3の調整法が肝なんですが
                         、   |    \ 、   〉   i  この形式で解説するのは無理茶漬け
                              ー-'       \ ー'  | |  素直にグーグル先生におまかせします
                                  \   | |  (もしかして:勾配降下法 誤差逆伝播法)
                                    丶 | |
                                          ー'


3024 : 人工微脳 ◆51GnwCTLg2 : 2020/09/20(日) 13:13:13 ID:O4g7Dpvg




 / ⌒`ー、
 { r‐-、 ヽ     ,.- _ニニ、‐、
 ヽ ヽ   ノ   //,...-─-、\ヽ          ただ、パーセプトロン単体では大したことはできません
  ヽ `イ   / / /::⌒l   ヽヽ :         今学習したパーセプトロンと神経細胞には大きな違いがあります
   \  ヽ ,' i ∧、__/  _ l | :
     \ \: | |  _\__) ̄:::::l| } .i
      `ー、ヽ(:::::::::l \:::::::::/ / /        神経細胞はいっぱいあるんです(小並感)
        ヽヽ\::ノ___ン ノ ,、\        なのでパーセプトロンもいっぱい並べます(小並感)
         \\__ ___/, ´ \ ` -、
         /,...─'_'‐-、<    ヽ   \
        //l|  r=》  `,ヽ   /´⌒ \ \  これがニューラルネットです
        l l'‐'_,'ー"   i|   ヽ   __)  !  さっきレアコイルなんて例えを出しましたが
       ヽヽ、_    _/ノ     \    ノ  実用品はそんな生っちょろい数ではありません
        ` ー-ハ_r‐´- ´       ー-‐´  場合によってはコイルでボックスが埋まっても足りないほど並べます
           `ー ´




                    . . . ::::::::::::: . . .
                 ...:::::;  -――-  :::::...     ここで
                ...:::::/    __   \:::::..    「これって結局関数を予め設定するほうが早くない?」
   , ..:::::::::.....       ..::::〃  ,  '"  , - ≧x   \:::::.          ソノトオリデゴザイマス
  ;.:::::::::::::::::::::::::::..、   .:::::/  /    ////// X   ',:::::  とか思った方……Exactly
  i::::::::::;'"´ `..::::::::::,   :::::;'  / /⌒ヽ V//////∧   ':::::  関数を手動で設定できるなら学習の手間がなくて早いですね
  丶::::::丶 :::::::::::::ノ  :::::;'  ,' /// , -― 、/////∧  l::::
    丶 :::::::: ̄ ¨¨¨ ´_::::l  { {//く     ,コ二¨´ }  }::::
      `     ¨¨´ ::::l  ', V//,>r-‐'///∧  ,'  '::::  ただし、関数がわからない場合は別です
              :::::',  、ヽ--‐' !/////// }.〃 /::::  目的を達成するための関数が複雑にすぎる場合は
                 ::::ヽ \   V/////,/ /:::::、  手首が死んだ程度では足りません
                ' :::丶 ` ー---‐ '´ /:::::; ::::`:::.....
                 `...::` ┐ r---‐ '´.:::: : '   > 、:::::::.....
               ....:::;  ''"´ └-、:::..´      :::::::::::`::.....、:::...   そしてそもそも求められるかも
              .::::/l|   _    ヽ:::::.      :::::::::、:::::::::::ヽ:::::...  分からないということは多々あります
              ::::{しノ  〃´li    }::::         ' :::::`:::.... _ノ::::::::
               ::::.、`ー {しノ   ノ:::         丶 :::::::::::::::::ノ  そういったときのためのニューラルネットです
                ::::` ー、  __彡 '..:::            ` ¨¨ ´
                  `::::.ー':::::: : '"
                   `~´


3025 : 人工微脳 ◆51GnwCTLg2 : 2020/09/20(日) 13:13:28 ID:O4g7Dpvg




           xへ、
         / /^\      「何かしらの変換規則があるはずだがそれがわからない」
        ,' 〃 (⌒ヽヽ     「そもそもできるのかすら不明である」
      _」 丶、ヽ _ノ ヽ    「がんばったけどムズい」
      /       丶、   ヽ
   /  x、 __ ,x  \   }  計算時間など様々な問題はあるものの
  〃 ・  |fi|'´_`|fi| ・/  丿  ニューラルネットはこんなとき変換規則を自動で解明してくれるのです
  \ ・┌|ljl´ __ `|ljl┐I /
     I__| `Y(o) 。Y´ ! _|     これほど便利なものはありません
    ∟ ヽ {  冂 } | |
     い、丶--------┐    まあその問題の部分が結構大きかったりするんですけどね
      ‘, \  (⌒ ヽ /     モノによっては学習に数日かかるとかあるし
      `T 了丶ニ´/      データ揃える労力がガガガ
       | 弋__ /
        乂_ノ




                    r――- 、 しかし、昔のニューラルネットには1つ致命的な問題がありました
          ___      ゝ __)
        .   ´   _  `丶-― ' /     並列に多く並べることはできても
     /     /7⌒))      l      直列に多く並べることができなかったのです
    /   __ ヽニニイ       /
    /ィ   /ハ    ̄ ̄\    〈       これはつまりどういうことかと言うと
   |/ヘ  /∧ヘ     ∧    |
    ∧ハ //  Vハ   / |    l       どれほど複雑な変換規則でも多くて2回そこらの変換で表現しなければならない
    l_V:/    Vハ/-- 、    ム、
    \  ̄ ̄ ̄ ̄7:::::;=、:::::Y´ ̄  l      という縛りがあったわけです
     \       l::::::ゝノ::::::l     |     このせいで行えるタスクには限界あり
       ` ー----ゝ __ ∠-――'      今ほど使われる技術ではありませんでした


3026 : 人工微脳 ◆51GnwCTLg2 : 2020/09/20(日) 13:13:43 ID:O4g7Dpvg




                                 ...:::....
                               ...:::::::::::::::::....
                              ..::::::::::::::::::::::::::::::..
   ....:::::.....                       :::::::::::::::::::::::::::::/ :::::
  .:::::::::::::::::::...                      `ヽ:::::::::::::::::::://;:::
 ..:::::::::::::::::::::::::::...         ..::::...       .:::::::::::::::::::::::::::::::/.::;'
 :::r :::::::::::::::::::::::::         .::::;、:::::.       ::::::::::::::::::::::::::::/ ,,::::
 :::l ',:::::::::::::::::::/          .::::/ ヽ:::::.       丶 : : :::::::::〈_//
 ::: . ',::f ',::::::: '        .:::::;'   ',:::::::::::::::::...      i:::::::r
  ヾ\j::', l:::::::::::::.     ...:::::_:;'    ',―-=  _:::::::::::...    .:::::::   これが解決されて世に現れたのが深層学習です
   ):::::::::、j:::::::: ノ   ...::::::/ {          `丶::::::::.  :::::::::
    ̄ ヽ::::.     ..:::::/              ハ::::::..:::::::::::   ニューラルネットを直列につなぎ
      ..::: '   ..:::::〃              /   l::::::^     1層、2層、3、4、5層……と変換の回数を増やし
      :::::::.... . ..::::/ , -、      , -‐、   ,    /l::::::      より複雑な変換規則を表現できるようになったのです
         `::::::: :::::::! { i~::、    //~!.}  |   / !:::::
              ::::::| ヾ 、::),、__,、 (::::ノ/   ! /    !:::::
           ::::ハ`tー--`='------r…| |    |:::::      ディープや深層という名前は
           ::::ハヾミ三三三三 彡イ  l!  !  /!::::      このニューラルネットの層が多いことを表しています
            ::::',  ',        j  j|  l/ ,ノ:::       ジバコイルにするのではなく
                 :::ヽ ` ー------‐ '  ノ/ /:::::::       レアコイルで電車ごっこするわけです
              :::::\ー---------‐'´ /:::::
                :::::::`¨^ ̄ ̄ ̄ ̄`ー':::




              ,' ヽ、
 ,              ! |ヽ,ヽ
 !\        __ / | ヽ ヽ__        /| 深層学習は革命的なシステムでした
 |  \     / _,.-r‐メ---┴─- 、ヽ    /  | 層の多重化による自由度の拡張によって
  !   ヽ    ! i  ! i {ヾ,   /,リ |i  /   | 既存のシステムとは隔絶した性能を得たのです
  .l   ヽ   i .|  | ! `<ン  {ク  l l  /    _」
  \   ヽ  : !  .L|___⌒ -━┥| ヽ ,-´   ある画像認識のコンペでは
    \ ヽ  ! l  T l ̄ /^|^i   | i_ヽ|    もともと25~30%のエラー率でも優秀であり
     / く __」 l  .| |   { |! .l  |r‐- __|    過去数年での性能向上は僅か2%ほどでした
     \  ̄,.ィ |  | i   ゙'个´  l i
        ̄  ! | .| | ─、-┸y━┥:        ここに深層学習が参入した結果
          ヽヽ_l.」_.ニニ-─' /        初年度でエラー率15%と既存のシステムに圧勝
           `ー- ,,.. ---─ "         その後数年でエラー率は僅か5%程まで低下しました


3027 : 人工微脳 ◆51GnwCTLg2 : 2020/09/20(日) 13:14:01 ID:O4g7Dpvg




              ∧                 , --, もうちょっとカジュアルに言うと
r─-、          /  ',             , -‐'   /
 \ ` -  _     l lヽ ',         , -‐'    /   特進クラスの生徒たちが数学のテストで勝負していて
   \      `ヽ、  l |:.:', .',      /     /     みんな毎年70~75点くらいで競り合ってる中
    \      /l  |:.:.:', ',      `ヽ、   <_      海外からの転校生が突然85点で圧勝して
      >   /  |  |:.:.:.:.',_`ヽ、      \   `ヽ、    日本語の問題だったのか次は95点だった
    <   く   / /:.:.:.:.:.:.:`ヽ、\   /   , -‐'
     \   \_| /:.:.:.:.:.:.:.:.:.:__:.:.::', ', /  , -‐       みたいな感じですね
       `ヽ、   /-、:.:.:.:.:__//ヽ',:.:.:.} .レ' _, '
         \ ',:::}.ノ-:.:.:.ヽ-'ノ-:./ /            当然の流れとして
           ', ヽ:.:.トェェイ:.:.:.:.:.ノ /             「はぁ~~天才かぁ~~~?????」
            \_ヽ、__:.:.__/ _/              ってなって国語や理科社会等他の教科も
              `l .(:.:.:.:.:.:). }               やらせてみる訳ですわ
               \ ̄ ̄ l
                 \__,|               そして殆どの教科で圧勝してしまったのが
                                   ディープラーニング君ということです


3028 : 人工微脳 ◆51GnwCTLg2 : 2020/09/20(日) 13:14:15 ID:O4g7Dpvg




              ノヘ
              /ソ| |
             ノノ. | |        以上が深層学習の簡単な概要になります
             」_| | ヽ        深層学習はその性能を活かし現在では様々な技術に組み込まれています
           //~  ,,,,ヽヽ
           |:iミ>  iイiL | |
          _ゞ:~、._,`" ノ/_
      く,``~~,~-``ヽ,-,イソ`ヽ,`-、,,,_     ハードルが高いと思われがちな深層学習ですが
       `'ゝヽ、_  ヽヽノ,ノ    'ヽ  _ゝ    単純なものなら実は意外と簡単で
     ,ノ''~   、ゝ  ~| /   ノ`~  ヽ     なんとおうちでも簡単にできちゃいます
   ∠.,―``~~    V   ~`--,,__ \      ※ただし最低限のプログラミングの知識を要します※
                      `-,,,\
                         ̄


                ハ
                   /ハ'、
            /^ヽ//  ';V^ヽ             そういったWeb記事などもたくさんあるので
          ,-‐' /fミ、ー一/行ヽ'ー-、          興味を持った人はやってみるのも一興かと思われます
          j / ̄ ヾtテ  迄リ  ̄ヽ !
           ! l  _`´、ェィ`´_   l l          学習の間パソコンがぶおんぶおん鳴るのは仕様です()
        /, ! ̄   , - ─‐ - 、  ̄ ! \
       //l l   / , '´  ̄`ヽ 丶 | 、\
      / l  l l  l !    匚 ,!  l ト、 iヽ \      では今回はここまで
     l 八 l   l l  '、ヽ     / /′ l l l L ゝ \    次は簡略化して解説できそうなことが見つかったらやります
     ! 凵 l_ノ ハ   ヽ、` ー'"ノ   l l | r'  ̄〉 \
   /へ ̄二二ヽヘ  、_`二´_   //  l `┐\  〉  ご清聴ありがとうございました
  ( (● レ´r-─‐'^ヽ\/ __ \//    | |  `'′
   `=一'′     `-'´    `-'´       ̄


3029 : 人工微脳 ◆51GnwCTLg2 : 2020/09/20(日) 13:14:36 ID:O4g7Dpvg

表情の差分がつけづらくて素直に人型AAにすればよかったと後悔している人工微脳でした

読者投稿指定権
都道府県:埼玉県
指定駅:東武伊勢崎線新越谷駅


3030 : 尋常な名無しさん : 2020/09/20(日) 13:16:15 ID:ju29kdcQ

投稿乙

レアコイルとジバコイルってなんじゃろ。ポケモン?


3031 : 尋常な名無しさん : 2020/09/20(日) 13:18:11 ID:HfX4cgoI

ポケモンだよ


3033 : 尋常な名無しさん : 2020/09/20(日) 13:22:38 ID:YyspGtMw

乙でした
並列を直列にすることで広く浅くだったのを範囲を狭くして集中する事でより深く掘り下げる事が出来るって解釈であってますかね?
ただ具体的にどんな手法なのか想像できません


3054 : 人工微脳 ◆51GnwCTLg2 : 2020/09/20(日) 13:44:13 ID:O4g7Dpvg

>3033
「広く」「深く」できるようになった、ですね。もともとは「広く」「浅く」が限界でした
基本的に並列に並べたものをさらに直列に並べるのが深層学習です

今回で言う直列とはパーセプトロンの出力がさらに別のパーセプトロンの入力になっていることです
パーセプトロンをニューラルネットに置き換えてもいいです

具体的かは微妙ですが、人間の作業で例えると画像中の人物を特定したいときの作業は大まかに以下の3つです
1:人間の顔の場所を特定し
2:顔の特徴を抽出し
3:候補から名前を照らし合わせる
これをするとき

ニューラルネット:1人で全部同時にやる
ディープラーニング:3人使って作業分担する

という違いがあります


3059 : 尋常な名無しさん : 2020/09/20(日) 13:55:41 ID:YyspGtMw

>>3054
演繹法のみたいに積み重ねていくって事ですか?


3060 : 尋常な名無しさん : 2020/09/20(日) 14:03:22 ID:n36/R1AY

(積み重ねていくのは帰納法とちゃうんか)


3061 : 尋常な名無しさん : 2020/09/20(日) 14:13:43 ID:YyspGtMw

帰納法は最初に結論が出ているし


3062 : 人工微脳 ◆51GnwCTLg2 : 2020/09/20(日) 14:14:03 ID:O4g7Dpvg

>3058
個人の経験ですがCPUのみからGPUに変えただけで30分かかった計算が3分になりました
研究室とかにおいてある計算用PCも基本的にはGPU複数刺しのものですね
パーセプトロン1つの計算は大抵1次関数程度なものなのでGPU向きのはずです

>3059
大枠はそんな感じでいいかと
入力から結論の間のものは人間に読み解ける状態にないことがほとんどですが、先の例でいうと
画像入力 → 人の名前
だったのが
画像入力 → 何か → 何か → 人の名前
になったということです


関連記事
[ 2020/09/21 23:40 ] 語り人総合 読者投稿 | TB(0) | CM(4)
126285 :日常の名無しさん:2020/09/22(火) 02:51:35 ID:-[ ]
>昔のニューラルネットの致命的な問題
旧来のニューラルネット(NN):入力層→中間層→出力層の直列3層構造が限界
ディープラーニング(DNN):入力層→中間第1層→中間第2層→…→中間第n層→出力層と(n+2)層構造(nはだいぶ大きい)
とDNNだと大規模化が可能になり、機能分割を途中で噛ませることができるようになった
126309 :日常の名無しさん:2020/09/22(火) 09:40:38 ID:-[ ]
読んだ限りだと、汎用質問で、回答値をより自由にしたアキネイターを同時多発的にやって、その返答値でさらにアキネイターする感じに思えた
126323 :日常の名無しさん:2020/09/22(火) 11:02:15 ID:-[ ]
素人の勝手な想像なんだけど、例えば画像認識だと、
隣り合うドットの色の連続性とかから単純図形の集合へと解釈
図形集合から体の部位とか、より人間的な意味合いを持たせた部品の集合表現
求める識別へ みたいなのをそれぞれ複数層かけてやってるんかな?
126344 :日常の名無しさん:2020/09/22(火) 14:14:14 ID:-[ ]
脳の一つのニューロンが一つの概念(単語?)に対応しているって説もあったし。
この辺はこの先どうなるか興味深い。

囲碁用語の味、形、厚みとかは何をどう評価(スカラー化?)したか語れるようになるか。
コメントの投稿










管理者にだけ表示を許可する ※書き込む前は一旦冷静に

※500文字を超える場合分割でお願いします。


トラックバック
この記事のトラックバックURL

最新記事
国際的な小咄 7636 NSSが送る、日本人に読んでほしい韓国漫画 (10/20)
  • 国際的な小咄 7635 突っ込み切れないぞ (10/20)
  • 国際的な小咄 7634 テコ朴を中国人が読んだら (10/20)
  • 国際的な小咄 7633 N3 (10/20)
  • 国際的な小咄 7632 계란말이 (10/20)
  • 国際的な小咄 7631 はぁ!? ちょっと待て!!! (10/20)
  • やる夫たちでソードワールド 伝説のキノコ探し (10/19)
  • やる夫たちでソードワールド おっぱいアーマー職人やらない夫 (10/19)
  • やる夫たちでソードワールド ~やる夫のガチ()ハーレムPT~ 改造か死かハーレムか (10/19)
  • やる夫たちでソードワールド 選ばれし二人と凡人ダディのソードワールド 2 (10/19)
  • 異世界からかえってきたやる夫君のお話 第3部 その3 (10/19)
  • やらない夫がサッカーで天下統一するようです 第二部 43 (10/19)
  • やらない夫がサッカーで天下統一するようです 第二部 42 (10/19)
  • 読者投稿:CCのほんわかぱっぱ解説~9かいめ~ (10/19)
  • 読者投稿:おすすめの児童書「おとうさんがいっぱい」 (10/19)
  • 読者投稿:第五回 黄緑と学ぶ パソコン生活 探そうぜインターネットサービス (10/19)
  • 読者投稿:競馬のすすめ「三冠馬:牝馬編」 (10/19)
  • 読者投稿:より効率的なボディメイクのために(2):因果が逆ゥ~ッ!! (10/19)
  • 読者投稿:正しい論文や資料の読み方~文章をそのまま信用するな~ (10/19)
  • 目次 かくして少女達は出会う (10/19)
  • かくして少女達は出会う 第7話 『ケテル戦争開戦』 (10/19)
  • ワタシはファンタジーを否定する 断章 3 『 英雄と呼ばれた愚者 』 後編 (10/19)
  • 59号はVaultを飛び出した父親を探しに出かけるようです Vault: 020 (10/19)
  • ぶりぶりざえもんの冒険 怪奇ハタ人間編 第27話 果てしなき闘い (10/19)
  • 白頭と灰かぶりの魔女 回帰編 第二二話 「善性なるオーダーハート」 (10/19)
  • 正義屋さん 第19話 (10/19)
  • 国際的な小咄 7630 おかあさん、すげーよ…… (10/19)
  • 国際的な小咄 7629 イタリア人、コロナで家から出られなくなって迷走する (10/19)
  • 国際的な小咄 7628 いや、そうでもねーんだぜ (10/19)
  • 国際的な小咄 7627 この話の真偽はわからんから募集するとして (10/19)
  • 国際的な小咄 7626 民主党支持者の白人から見たBLMの一例 (10/19)
  • 国際的な小咄 おまけ すたおじとふなっしー (10/19)
  • やる夫がロードバイクに乗るようです 第二部 埋めネタ ある男の成長記録 (10/19)
  • やる夫がロードバイクに乗るようです 第二部 第二十四話 (10/19)
  • やる夫王子の暇つぶし 第11話 (10/19)
  • カナちゃんのおしながき 第68回 (10/19)
  • やる夫たちでソードワールド 小梅ちゃん可愛いやりたかっただけ― (10/18)
  • やる夫たちでソードワールド ~蛮族領でソードワールド~ 愉快な主と底辺奴隷 2 (10/18)
  • やる夫たちでソードワールド ギフテッドやる夫の冒険者学校 3 (10/18)
  • やる夫たちでソードワールド 魔法使いオンリーで戦った場合に一番強いのは… (10/18)
  • 読者投稿:声優業界について「声優の仕事、そのイメージのギャップ」 (10/18)
  • 読者投稿:昆虫食な小噺2:ジバチの巣を発見せよ (10/18)
  • 読者投稿:昆虫食な小噺1:ハチノコ (10/18)
  • 読者投稿:じょっくそう (10/18)
  • 読者投稿:なぜゴキブリはおそろしいのか? (10/18)
  • 読者投稿:CCのほんわかぱっぱ解説!~8かいめ~ (10/18)
  • 流星のレイン 1 (10/18)
  • 流星のレイン 用語の説明 ~ キャラ安価 (10/18)
  • 異世界からかえってきたやる夫君のお話 第3部 その2 (10/18)
  • 目次 日本っぽい異世界で鉄道縦断の旅 (10/18)
  • やる夫RSS(←やる夫、AA、SS等まとめ  アンテナ、感想系、その他→)
    相互募集中!
    月間ランキング(2020/9)
    ※完結作品は集計した前の月(8月)までに最終話が更新された作品を対象としています。

    現行作品ランキング 完結作品ランキング
    殿堂入り国際的な小咄 国内的な小咄 娯楽的な小咄殿堂入りやる夫が異世界で目的もなく生きるようです 1周目 2周目 3周目
    1やる夫の現代ダンジョン1すまない、転生先が蛮族で本当にすまない
    2異世界からかえってきたやる夫君のお話2やる夫とミクが崩壊した世界を歩いていくようです
    3あさねこの小話空間3異世界食堂できない夫
    4気がついたらゾンビカーニバルになってました的なお話 第3部4華麗なる召喚術士ルイズの召喚獣、入即出やる夫
    5あんこ時々安価でクトゥルフ神話TRPG5ローグライク異世界転生
    6やる夫は魔導を極めるようです6やる夫はソロハンターのようです
    7あんこ時々安価で鬼滅の刃7やるおたちの、異世界・世知辛チート物語
    8白頭と灰かぶりの魔女8やる夫博士とゆかいな仲間たち
    9やる夫たちでソードワールド9やる夫は恋を応援するようです
    10できない子とSCP10ドクオが異世界転生したようです
    11ダイスに委ねる皇女生活 in エリア1111やる夫はギルドを経営するようです
    12アカガネ山のやる夫12召喚勇者、やる夫のチートは微妙である
    13デーモンスレイヤー13レベルを上げるスレ
    14やる夫がアイドルになるようです14コンピューター様、情報更新は義務です!!
    15やる夫はタルシスに住む新冒険者のようです15証言と証拠は安価とあんこの後で
    16それ行けサイヤ人やる夫!16アメリカンヒーローアカデミア
    17やる夫は駅の記憶を集めるようです17やる夫はLVが上がらないようです
    18ご加護なカンジ18金欠ほのぼの冒険物語
    19やる夫は卒論のためにジム巡りをするようです19やる夫は男子校?に通うようです
    20森人 陽 ◆ZPJ5/.UMScの洗濯籠20やる夫たちは三連星(代理)のようです
    21やる夫は仲間達と冒険するようです21やる夫の野望
    22やる夫がロードバイクに乗るようです22二人はヒャッハー世界の何でも屋
    23やる夫は異世界で仲間達と生きる【渡り鳥】になるようです。23やる夫で学ばない!架空国家の歴史
    24新やる夫はスライムベホマズンのようです。24オーバーあんこ
    25◆25NC1ovscM総合25めぐみんの楽しい独身生活!
    26やる夫達は人間ではないようです26やばキャン凸
    27【新訳天庵記】やる☆おだ27ダンガンカオス
    28ロケッ都団が征く!!28STALKING!!
    29やる夫は竜の人財のようです29カーチャンがKidnappedされた息子を探しに出かけるようです
    30IT業界のやる夫さん30できない夫は異世界で孤独にグルメを楽しむようです
    31英雄を作ろう!31主文、被告を懲役【ダイス】年の刑に処す
    32正義屋さん32やらない夫とたぬきの嫁入り
    33やる夫は淫乱ピンクハーレムを作りたいようです33やる夫が冒険者学校でパティシエを目指すようです
    34いきものがかりたち34魔法使いはオタクばっかり
    35翠星石の『細川煩擾記』35食事処 ~やる夫の大釜~
    36やらない夫は集われるようです36ダンガンあんこ
    37そんな二人は同棲中37やるやらは偽りの太陽に祈るようです
    38魔女はやる夫になるようです38できる夫達は呪われた地で抗うようです
    39人形使いできない夫の旅路39怪獣育成日記
    40やる夫たちの4コマシアター40ダディ・クールは究極のセットアッパーなようです


    過去ログはこちら
    人気ページランキング