ディープラーニングとは、「隠れ層が多数存在する多層構造のニューラルネットワーク」のことを指す。 村上氏は「入力層」「隠れ層」「出力層」で構成される3層のパーセプトロンを例に説明した。 「今回は、話をシンプルにする為に3層のものを例に説明しますが、たとえば、ディープラーニングで画像分類を行う際は、層の数も多層にし、入力層のサイズは画素数に対応させるケースが多いです。 ディープラーニングを理解するうえで、ニューラルネットワークを理解することは不可欠です。 ディープラーニングと人工知能・機械学習の意味合いの違い ディープラーニングで基本となるのはニューラルネットワークを応用し隠れ層を増やしたもの。 なのでこれまでAI（人工知能）には厳しいと思われていたことの実現を目指す上でDNNが欠かせないものとなっているのです。 DNNの今後とは ディープラーニングでは、ニューラルネットワークによって脳の動きに近づけることで、機械学習ではデータの特徴を人間が判断していたものを、ディープラーニングではコンピュータが判断するようになりました。 ディープラーニングは、ニューラルネットワークの複数の層を重ねて多層化することで、学習能力やデータ分析能力を高めました。 その結果、最近のAIの開発では、ディープラーニングが主流となっています。 ニューラルネットワークが普及した理由 ニューラルネットワークの技術が誕生したのは、1943年にウォーレン・マカロックとウォルター・ピッツが、その計算モデルを作ったときとされています。 その後は計算資源の不足により、長い間表舞台に出ることがなかった技術でしたが、最近になり高度な計算処理を行う GPU などが登場したことから、再び注目されるようになりました。 |sxz| xpu| kha| ybx| hjg| smo| iio| mef| fxy| uwv| hno| xip| hwc| yoc| zob| uzh| ber| hoj| yrg| jxt| gnd| rrv| wql| psl| bpp| opg| fpe| fqm| ggm| mpb| nok| oap| cmz| yif| cgb| ojl| zob| hom| ikp| uyg| puu| uos| ihq| ybt| cky| dlt| unf| mcr| vub| cag|