「ディープラーニングは最小二乗法」で物議 東大・松尾豊氏「深い関数の方が重要」
「ディープラーニングは、原理的には単純な最小二乗法にすぎない」――2月18日付けで日本経済新聞電子版が公開した記事について、Twitterでは「ディープラーニング＝最小二乗法」という解釈は異なるのではという指摘が相次いだ。19日には「ディープラーニング」「最小二乗法」といったワードがTwitterでトレンド入りし、波紋が広がっていた。 日経の記事では、慶應義塾大学経済学部の小林慶一郎教授がAI技術について解説。「近年、驚異的な発展を見せているAIのディープラーニング（深層学習）は、原理的には単純な最小二乗法（誤差を最小にする近似計算の一手法）にすぎない」と言及し、「ディープラーニングは『最小二乗法』」と題する図版が掲載された。 最小二乗法は、測定で得られたデータの組を、1次関数など特定の関数を用いて近似するときに、想定する関数が測定値に対してよい近似となるように、モデル関数の値と測定値の差
切断しても元どおり ゴムの新素材を理研などが開発 | NHKニュース
傷つけたり、切断したりしても元に戻るゴムの新素材を、理化学研究所などのグループが開発しました。さまざまな環境下で使えるということで、自動車のタイヤや保護材、人工臓器からロケットまで幅広い分野で活用が期待できるということです。 完全に切断しても切断面を軽く合わせるだけで数分後には元どおりにつながり、傷もほぼ消えるということです。 このゴム素材で袋をつくると、穴があいても自然に塞がると言うことです。 元に戻る仕組みは、「分子間相互作用」という分子と分子が互いに引き合う物理現象を利用しています。 グループでは、特殊な触媒を使ってねらいどおりに引き合う作用をみせる分子の合成に成功、切断面の分子と分子を近づけると再びつながる素材を実現しました。 これまでにも、こうした機能をもったゴム素材はありましたが、光や熱など外からエネルギーを加えるといった条件が求められ、普及の壁になっていました。 今回の素材は
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
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
