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) f(x,W)を通じて子猫の写真を入力します。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 ) f(x,W)f ( x ,W )の各ピクセルの重みパラメータは
10 1010:10カテゴリー
BBb : オフセット項(微調整演算)
www : 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。
元 元e x p:exe^{x}ex乗、マッピングを拡大するために使用されます
。n or ma l i ze : 正規化された
L i L_iL私は:実際の損失額