ディープラーニング入門 (1): ニューラル ネットワークの基礎

1. ディープラーニングの概念

1. 定義

ディープラーニングは、位置データを分類または回帰するために多層ネットワーク構造をトレーニングすることにより、特徴エンジニアリングの問題を解決します。

2. 深層学習アプリケーション

• 画像処理
• 言語認識
• 自然言語処理

モバイル端末ではあまり得意ではなく、医療用途や自動着色など、計算量が多すぎて速度が遅い場合があります。

3. 例

k 最近傍法を判断に使用する場合、被写体 (主成分) に焦点を当てるため、背景の優位性が最大の問題になります。

2. ニューラルネットワークの基礎

1.線形関数

たとえば、$f(x,W)$各カテゴリのスコアを取得するには、次のようにします。

$f(x,W)$の各ピクセルの重みパラメータは
$10：10$カテゴリー
$b$ : オフセット項（微調整演算）
$w$ : 重みパラメータ

2. 損失関数

正則化ペナルティ項:特定の顕著な特徴の重要性を下げる 損失
関数 = データ損失 + 正則化ペナルティ項

3. ソフトマックス分類器

正しいカテゴリに属する​​確率の値に着目し、1に近いほど損失が小さいため、対数関数を用いて損失値を計算します。

$ex$ p：$e^x$乗、マッピングを拡大するために使用されます
$normalize$ : 正規化された
$L_{}$：実際の損失額