神経ネットワークについて簡単に説明

ディープラーニングという言葉は、神経網をトレーニングすることを指します。深いというのは非常に大きな神経網を意味します。では、神経網とは何でしょうか？63;この記事を読んで、直感的な理解が得られます。

まず、家の価格予測の例から始めましょう。なぜなら、今の家の価格はとっても高いからです。8年明けに、私の両親が北京で私のために家を買うと言いましたが、私は家族に依存できないと考えて、拒否しました。今考えると、私はバカだった。その時買ったら、今はブログを書かなくても良かったです~~

家の価格は中国人が自分で炒り上げたと言われていますが、炒作以外にも実際の要因が価格に影響を与えています。これらの要因を分析することで、家の価格を予測することができます。あなたがデータセット（6つの家の面積と価格）を持っていると仮定します。あなたは面積から価格を予測する方法（つまり関数の構築）を見つけたいと考えています。線形回帰に詳しい場合は（詳しくない場合でも構いません、それを数学の理論として考えます）、この理論に基づいて実際のデータの近くに一条線（上の赤い線）を描くことができます。上の図には、青い点が6つの家の面積と価格を対応させる点として示されています。この線（この関数）を使ってある面積に対応する価格を見つける場合、いくつかの誤差を除いて基本的には正確です。また、価格は負のものではありません。あなたが黑社会で、他人の家を占めて他人からお金を受け取る場合を除いてです。したがって、面積が0の場合、価格も0です。したがって、上の線は曲がります。面積に基づいて価格を予測するこの関数を非常に単純なニューロン網と見なすことができます（これはほぼ最も単純なニューロン網です）。右側の図では、黄色い円がニューロンで、家の大きさがxとして入力されます。このニューロンに入力された後、ニューロンは価格yを出力します。

神経網絡に関する文献では、この関数（上の赤い線）がよく見られます。この関数は一定期間は0で、突然急上昇します。線形ユニット関数（ReLU、正規表現はrectified linear unit）と呼ばれています。今はわからなくても構いません、後で少しずつ理解できます。

上の面積から家賃を予測する例は、非常に小さい単一のニューロンを持つ非常に小さい神経網です。これらのニューロンを重ねて大きな神経網を作ることができます。一つのニューロンを積み木と考えて、これらの積み木を重ねて大きな神経網を構築することができます。家賃の例では、上図のように、家賃に影響を与えるのは面積だけではなく、例えば寝室の数もあります。面積だけでなく、寝室の数も、家族に適した家であるかどうかを決定します。家族がいる家など、3人や5人。もう一つの要素は郵便番号です。郵便番号はここでは地理的な位置を表しており、地理的な位置が繁華な場所では生活が便利になります。さらに、学校の質の等級もあります。これらの要素は、私たちはそれらを特徴と呼びます。面積と寝室の数に基づいて、家族の大きさに適しているかどうかを推測できます。郵便番号に基づいて、生活の便利性（学校への便利性を含む）を推測できます。最後に、学校の等級は教育の質を評価できます。人々はこれらの四つの要素を考慮して家を購入します、それらが家賃を決定します。そして、ここでは炒りが考慮されますが、その要素はここでは除外します。したがって、この例では、xはこれを代表する4入力x（面積、寝室の数…）と得たい結果y（家賃）を提供し、トレーニングに使った実際のデータ（上の六つの家の面積、寝室の数…および価格）を提供するだけで、中間部分の家族の大きさの適合度、生活の便利性、教育の質が神経網が実際のデータに基づいてトレーニングして出力されます。右図のように、あなたが再び同じ入力を入力すると、左図のように私たちが行うように、どの入力が家族の大きさの適合度、生活の便利性、教育の質に影響を与えるかを分析します。神経網が驚くほどすごいのは、私たちが提供するのは入力x（面積、寝室の数…）と得たい結果y（家賃）だけでなく、トレーニングに使った実際のデータ（上の六つの家の面積、寝室の数…および価格）です。7家房子的特徴（面積、郵便番号…）を確認した後、この神経網は先ほどトレーニングした中間部分を使って最終的な家賃を推定します。つまり、神経網の内部プロセスが人間の分析プロセスを取って代わります。もう一つの例をあげると、例えば小さな子供に猫を認識させる場合、まず白猫を持ってきて「これは猫」と教え、次に黒猫を持ってきて「これも猫」と教え、さらに犬を持ってきて「これは猫ではありません」と教え、最後に花猫を持ってきて尋ねると、彼は「これは猫」と答えますが、彼はどうしてそれを知ったのか、その中間の判断プロセスはどんなのかはわかりません。これが神経網が恐ろしい理由の一つです——その動作原理が人間に非常に似ているからです——私たちはその内部がどのように機能しているのか具体的には知りません、それは私たちが子供が猫と犬をどのように区別しているのかを知らないのと同じです。マスクは人工知能が危険であり、人類を滅ぼす可能性があるとも言っていますが、その言葉には理があるかもしれません。

前述の中央部分のニューロンは、隠匿ニューロンと呼ばれます。おそらく、右図の神経ネットワークでは、各隠匿ニューロンがすべての特徴入力を取得していることに気づきました。左図では、人間の分析プロセスを示しており、面積と寝室の数の特徴が家の大きさに関連していることを分析しています。右図では、すべての特徴を各隠匿ニューロンに提供し、神経ネットワークがどの特徴がどの面から家の価格に影響を与えるかを自ら分析するようにしています。神経ネットワークの分析が人間よりも効率的で全体的である可能性があります。以前にFacebookの神経ネットワークが独自のコミュニケーション方法を発明したというニュースを目にしました。それは、人間の言語でコミュニケーションするのが効率的すぎると感じたからです~~

この記事を読んだ後でも、あなたはまだ神経ネットワークについて曖昧であるかもしれません…これが正しいです。一つの記事で神経ネットワークを理解できるとすれば、あなたは天才です。

これで、本文で簡単に神経ネットワークについて理解する全ての内容が終わりました。皆様に役立つことを願っています。興味がある場合は、本サイトを参照してください：

Pythonと人工神経ネットワーク：神経ネットワークを使用して手書き画像を認識する紹介

70行のJavaコードで深度学習アルゴリズムを実現するシェア

不十分な点があれば、コメントをお願いします。皆様の本サイトへのサポートに感謝します。

声明：本文の内容はインターネットから取得しており、著作権者は所有しており、インターネットユーザーが自発的に貢献し、自己でアップロードしたものであり、本サイトは所有権を持ちません。また、人工的に編集していないため、関連する法的責任を負いません。著作権に抵触する内容がある場合は、メールでnotice#wまでお知らせください。3codebox.com（メールを送信する際、#を@に変更してください）で通報し、関連する証拠を提供してください。一旦確認が取れたら、本サイトは直ちに侵害される可能性のあるコンテンツを削除します。