ディープラーニングの仕組み ディープラーニング モデルは、ニューラル ネットワーク アーキテクチャに基づいています。人間の脳にヒントを得たニューラル ネットワークは、層構造内で相互接続されたノード、すなわちニューロンで構成されており、これらのニューロンが入力を望ましい出力に関連付けます。ニューラル ネットワークの入力層と出力層の間のニューロンは、隠れ層と呼ばれています。「ディープ」という言葉は通常、ニューラル ネットワーク内の隠れ層の数を指しています。ディープラーニング モデルは、数百または数千にもなる隠れ層を持つ場合があります。 ディープラーニング モデルでは、大規模な一連のラベルデータを使用して学習が行われ、手動での特徴抽出を必要とせずにデータから特徴量を直接学習できる場合が多くあります。1958 年に初めて理論化された人工ニューラル ネットワークですが、ディープラーニングには高い計算
![ディープラーニング (深層学習)](https://cdn-ak-scissors.b.st-hatena.com/image/square/12cc8df2b7b4893c5635a67fa66beb2c00f9bfe3/height=288;version=1;width=512/https%3A%2F%2Fjp.mathworks.com%2Fdiscovery%2Fdeep-learning%2F_jcr_content%2Fthumbnail.adapt.1200.medium.jpg%2F1676482159423.jpg)