バックプロパゲーション - Wikipedia
バックプロパゲーション（英: Backpropagation）または誤差逆伝播法（ごさぎゃくでんぱほう）[1]はニューラルネットワークの学習アルゴリズムである[2]。 概要[編集] バックプロパゲーションは数理モデルであるニューラルネットワークの重みを層の数に関わらず更新できる（学習できる）アルゴリズムである。ディープラーニングの主な学習手法として利用される。 そのアルゴリズムは次の通りである： ニューラルネットワークに学習のためのサンプルを与える。 ネットワークの出力を求め、出力層における誤差を求める。その誤差を用い、各出力ニューロンについて誤差を計算する。 個々のニューロンの期待される出力値と倍率 (scaling factor)、要求された出力と実際の出力の差を計算する。これを局所誤差と言う。 各ニューロンの重みを局所誤差が小さくなるよう調整する。 より大きな重みで接続された前段のニ
フラクタル - Wikipedia
この項目では、幾何学の概念について説明しています。テレビアニメについては「フラクタル (テレビアニメ)」を、榊原ゆいのアルバムについては「Fractal」を、日本の持株会社については「FRACTALE」をご覧ください。 フラクタルの例（マンデルブロ集合） フラクタル（仏: fractale, 英: fractal）は、フランスの数学者ブノワ・マンデルブロが導入した幾何学の概念である。ラテン語の fractus から。図形の部分と全体が自己相似（再帰）になっているものなどをいう。なお、マンデルブロが導入する以前から以下で述べるような性質を持つ形状などはよく考えられてきたものであり、また、そういった図形の一つである高木曲線は幾何ではなく解析学上の興味によるものである。 定義[編集] コッホ雪片の作成 フラクタルの特徴は直感的には理解できるものの、数学的に厳密に定義するのは非常に難しい。マンデル
カオス理論 - Wikipedia
カオス性を持つローレンツ方程式の解軌道 カオス理論（カオスりろん、英: chaos theory、独: Chaosforschung、仏: théorie du chaos）とは、力学系の一部に見られる、数的誤差により予測できないとされている複雑な様子を示す現象を扱う理論である。カオス力学ともいう[1][2]。 ここで言う予測できないとは、決してランダムということではない。その振る舞いは決定論的法則に従うものの、積分法による解が得られないため、その未来（および過去）の振る舞いを知るには数値解析を用いざるを得ない。しかし、初期値鋭敏性ゆえに、ある時点における無限の精度の情報が必要であるうえ、（コンピューターでは無限桁を扱えないため必然的に発生する）数値解析の過程での誤差によっても、得られる値と真の値とのずれが増幅される。そのため予測が事実上不可能という意味である。 カオスの定義と特性[編集]
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
