数式で書き下す Convolutional Neural Networks (CNN) - Yusuke Sugomori's Blog
CNNは画像認識の分野で驚異的な精度を誇るディープラーニングのアルゴリズムのひとつであるものの、ぱっと見がとても複雑な構造をしているため、実装するのも大変そうです。 実際、ネットや文献上で見られる多くのCNNの実装は、Theano (pythonのライブラリ)の自動微分機能を使っていたり、MATLABの組み込み関数を使っているものがほとんどです。 そのためか、きちんと forward propagation & backpropagation を数式で書き下している文献はないように思いました。（もちろん、楽に実装できるならばそれはそれで素晴らしいことです。） そこで、どうすれば CNN を実装するための数式を書き下せるのか、レイヤーごとに分けて導出していきたいと思います。 まず、CNN がどんな層に分解できるのかについて。これは、下記の３つで表せるでしょう。 Convolution Lay
JavaによるDeep Learningの実装（Deep Belief Nets, Stacked Denoising Autoencoders 編） - Yusuke Sugomori's Blog
これまでPythonやC/C++でDeep Learningを実装してきましたが、Javaでも同様に実装しましたので、コードを紹介しようと思います。 実装したものは、DBN（Deep Belief Nets）およびSdA（Stacked Denoising Autoencoders）となります。 コードの掲載順序は下記のようになっています。 DBN.javaRBM.java（Restricted Boltzmann Machine，制約付きボルツマンマシン）SdA.javadA.java（Denoising Autoencoders）LogisticRegression.java（ロジスティック回帰）HiddenLayer.java（ニューラルネットワークの隠れ層を表すクラス）RBMはDBNの教師なし学習部分、dAはSdAの教師なし学習部分となるクラスであり、LogisticRegress
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
ScalaによるDeep Learningの実装 - Yusuke Sugomori's Blog
