新型コロナウイルスに関する情報は、厚生労働省の情報発信サイトを参考にしてください。情報を見る
エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
説明性の高いホワイトボックス型AI EXAMHEL(Explainable Adaptive Method based on Hebb's law) - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
説明性の高いホワイトボックス型AI EXAMHEL(Explainable Adaptive Method based on Hebb's law) - Qiita
説明性の高いホワイトボックス型AI EXAMHEL(Explainable Adaptive Method based on Hebb's law)教師... 説明性の高いホワイトボックス型AI EXAMHEL(Explainable Adaptive Method based on Hebb's law)教師なし学習教師あり学習自己組織化マップオンライン学習線形近似学習モデル 1. はじめに 当社は、複雑なデータにも対応可能で、かつ説明性の高いホワイトボックス型AI、EXAMHEL1(特許登録済)を開発しました。EXAMHELは、進化型自己組織化マップ(ESOM)の一種です。自己組織化マップとは、教師なし学習の1手法で、分類のルールを教えていないにも関わらず、データを与えると、データの特性を反映したマップを生成します。 自己組織化マップの学習ステップは、人間が言葉を覚える過程に似ていると言われています。赤ちゃんが言葉を覚える時は、まだ言葉が分からないので、教えることができません。赤ちゃんは、人間が話す言葉を聞き、自然と単語を分類し、場面に応じて