こんにちは、えびかずきです！ 今回は畳み込みニューラルネット （CNN）の仕組みと、 それを使った画像識別の実装について説明していきます。 CNNの仕組み CNN(Convolutional Neural Network)はその名のとおり、 畳み込みを実施するニューラルネットワークで、特に画像識別の分野でよく使われます。 では順を追って説明していきましょう！ 画像認識におけるNNの問題点 前回まで […]
こんにちはえびかずきです！ 今回は「偏差値とは何か？についてPythonで実装しながら説明したいと思います。 開発環境 OS:macOS Catalina ver10.15.2 使用した外部ライブラリ:・numpy1.18.1・matplotlib3.0.3・csv エディタ：jupyter notebook 偏差値を計算する数式 まず、偏差値とは、以下に示す数式で表されます。 偏差値＝\(50+ […]
こんにちは、えびかずきです！ 今回は「過学習を回避しよう」です。 この記事ではニューラルネットで過学習を防ぐ方法として、 Weight DecayとDropoutの２つを紹介したいと思います！ 開発環境 OS:macOS Catalina ver10.15.2 使用した外部ライブラリ:numpy1.18.1matplotlib3.0.3 エディタ：jupyter notebook ソースコード g […]
こんにちは、えびかずきです！ 今回は最適化のテクニックを学ぼうという事で、ディープラーニングにおける様々な最適化手法を紹介したいと思います。 開発環境 OS:macOS Catalina ver10.15.2 使用した外部ライブラリ:numpy1.18.1matplotlib3.0.3 エディタ：jupyter notebook ソースコード github/ebikazuki/deeplearni […]
こんにちは、えびかずきです！ 前回までにニューラルネットワークの基礎的な原理は一通り説明しましたので、 この記事からは実用的に使うためのテクニックを説明していきます！ 誤差逆伝播法とは何か 誤差逆伝播（ごさぎゃくでんぱ）法とは、勾配を効率的に求めるためのテクニックです。 back-propagation(バックプロパゲーション)とも呼ばれます。 前回の勾配法では、損失関数を重みやバイアスで数値的に […]
こんにちは、えびかずきです！ 今回は勾配法について説明したいと思います。 ここまでの流れを復習したい方は、過去の記事をご覧ください。https://ebi-works.com/deeplearning-0/ 勾配法とは 勾配法とは、ニューラルネットワークの重みやバイアス(閾値)のパラメータを最適値に調整するための学習手法です。 具体的な方法としては、まずテストデータと訓練データとのズレを表す「損失 […]
こんにちは、えびかずきです！ 今回はニューラルネットワークのモデルを実装する方法について説明していきます。 ここまでの流れを復習したい方は、過去の記事をご覧ください。https://ebi-works.com/deeplearning-0/ ニューラルネットワークの実装 では早速ニューラルネットワークを作っていきましょう！ ネットワークモデル まずは今回作るニューラルネットワークのモデルを決める必 […]
こんにちは、えびかずきです！ 前回はディープラーニングの基礎となるパーセプトロンについて学びました。しかし当然ながらそれだけではディープラーニングは出来ません。 なぜなら、どうやって学習（重みを最適化）するか？という問題が未解決だからです。 今回はその足がかりとなる活性化関数について説明していきます。 ここまでの流れを復習したい方は、過去の記事をご覧ください。https://ebi-works.c […]
こんにちは、えびかずきです！ 今回はニューラルネットワークを理解する上で欠かせない「パーセプトロン」について説明したいと思います。 ※今回はPythonを使ってパーセプトロンを実装していきます。インストール方法や使い方がわからない方は、前回の記事を参考にしてください。 パーセプトロンとは パーセプトロンとは、人間の脳に存在して情報のやり取りをする「ニューロン」の仕組みを真似て作られた人工的な情報認 […]
こんにちは、えびかずきです！ 今回は作って理解するディープラーニングの第1回として、Python環境の作り方について説明したいと思います。 既にPythonの開発環境があり、Pythonの文法も大体わかっているという方にとって、今回の学習は必要ありません。次回の記事をお待ちください。 プログラミングはやったことないけどこれを機に始めてみたい！というような方は是非挑戦してみましょう。 Pythonと […]
