ディープラーニングとナレッジポイント検索の概要 (継続的に更新)

ニューラル ネットワークと深層学習構造

上の
写真は「ニューラルネットワークと深層学習」から抜粋 - Qiu Xipeng
下の写真は私が作成したフローチャートです

ナレッジポイントの検索

1. 人工ニューラルネットワーク (ANN)
2. 多層パーセプトロン (MLP)
3. ディープ ニューラル ネットワーク/ディープ フィードフォワード ネットワーク (ディープ ニューラル ネットワーク) (DNN)
4. Activation Function (アクティベーション関数)
   深層学習 – アクティベーション関数
5. 意思決定の境界線
6. 勾配降下法 (GD)
   深層学習 – 勾配降下法アルゴリズム
7. 勾配消失問題
8. 爆発する勾配の問題
9. グラデーションクリッピング
10. 順伝播 (FP)
11. 逆方向伝播 (BP)
12. 目的関数
13. 損失関数¶
14. コスト関数
15. フィードフォワード ニューラル ネットワーク
16. 畳み込みニューラル ネットワーク (CNN)
17. リカレント ニューラル ネットワーク (RNN)
18. 長短期記憶 (LSTM)
19. ラベル
20. 特徴
21. サンプル（一例）
22. トレーニング
23. モデル
24. 回帰モデル
25. 分類モデル
26. 過学習
27. 予測
28. トレーニングセット
29. 検証セット
30. テストセット
31. クラス
32. 収束
33. 正確さ
34. 精度
35. 再現率（再現率）
36. バッチ
37. 重さ
38. バイアス
39. 経験的リスク最小化 (ERM)
40. 構造的リスクの最小化 (SRM)
41. パラメータ
42. ハイパーパラメータ (ハイパーパラメータ)
    深層学習 – ハイパーパラメータ

---

上記は未完成であり、更新する必要があります。個人的な学習のためのみです。侵害の連絡先は削除されています。間違いや不備があれば、改善のためにご指摘ください。