ディープラーニング＝三次関数のどこがダメなのか解説する
あるニュース記事で、ディープラーニング＝最小二乗法で三次関数なんていう「伝説の画像」が出回っていたので、それに対して突っ込みつつ、非線形関数という立場からディープラーニングの本当の表現の豊かさを見ていきたいと思います。 きっかけ ある画像が出回っていた。日経新聞の解説らしい。 伝説の画像になるぞこれhttps://t.co/CpeWKrHseP pic.twitter.com/qfTUVt5j7A — 猫じゃら美少女 (@tonets) 2019年2月19日 確かにこれは伝説の画像だ。今までディープラーニングの入門書を立ち読みしていても、ディープラーニング＝最小二乗法で三次関数なんて解説は見たことがない。画期的な説明だ。 しかし、この画像、ディープラーニングを少しでもやったことある人から見ればかなり違和感を覚える解説だと思う。そこを突っ込み始めるとディープラーニング、あるいはニューラルネッ
ディープラーニングの限界 | POSTD
(注：2017/04/08、いただいたフィードバックを元に翻訳を修正いたしました。 @liaoyuanw ) この記事は、私の著書 『Deep Learning with Python（Pythonを使ったディープラーニング）』 （Manning Publications刊)の第9章2部を編集したものです。現状のディープラーニングの限界とその将来に関する2つのシリーズ記事の一部です。 既にディープラーニングに深く親しんでいる人を対象にしています（例：著書の1章から8章を読んだ人）。読者に相当の予備知識があるものと想定して書かれたものです。 ディープラーニング： 幾何学的観察 ディープラーニングに関して何より驚かされるのは、そのシンプルさです。10年前は、機械認識の問題において、勾配降下法で訓練したシンプルなパラメトリックモデルを使い、これほど見事な結果に到達するなど誰も想像しませんでした。
Using Deep Learning to Create Professional-Level Photographs
Using Deep Learning to Create Professional-Level Photographs Posted by Hui Fang, Software Engineer, Machine Perception Machine learning (ML) excels in many areas with well defined goals. Tasks where there exists a right or wrong answer help with the training process and allow the algorithm to achieve its desired goal, whether it be correctly identifying objects in images or providing a suitable tr
「ディープラーニング」って結局何なの？と思った時に読む話 | すべてのテクノロジーを言葉に
個人的には すでに終わっているトピック なのですが、 Preferred が DeNA と合弁会社を作る だの ABEJA がダイキンと協業するだの 、相変わらず右を向いても左を向いてもディープディープうっせえなあ！そのくせ、ディープラーニングを説明するコンテンツは、あっちを見てもこっちを見ても不正確で雲を掴むようなものしかなくて、お前ら目隠ししたまま全力疾走かよ！ ……と、昨今のバブルに対する憤りをひとしきりブチまけた上で、ここでは数理的な知識を持たない初心者にも正確にディープラーニングを理解できるように、最初の一歩から説明したいと思います。次の項目に沿って順番に説明しますので、少し長いですがおつきあいください。 １． 「関数近似器」って何なの？ ２． 「関数近似器」と「ニューラルネットワーク」と「パーセプトロン」と「ディープラーニング」との関係は？ ３． ディープラーニングで「人工
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
グローバル消費インテリジェンス寄附講座コンテンツ 公開ページ
Deep Learning基礎講座演習コンテンツ 公開ページ
Deep Learning
Neural Network Console