イントロダクション
ディープ ラーニング は、人間の脳が学習する方法をエミュレートしようとする高度な機械学習の形式です。
あなたの脳にはニューロンと呼ばれる神経細胞があり、電気化学信号をネットワーク経由で通過する神経拡張機能によって相互に接続されています。
ネットワーク内の最初のニューロンが刺激されると、入力信号が処理され、それが特定のしきい値を超えると、ニューロンが 活性化 され、それが接続されているニューロンに信号が渡されます。 これらのニューロンは、順番に活性化され、ネットワークの残りの部分を介して信号を渡すことができます. 時間の経過と同時に、ニューロン間の接続は、効果的に応答する方法を学習する際に頻繁に使用することで強化されます。 たとえば、誰かがあなたにボールを投げた場合、ニューロン接続を使用すると、視覚的な情報を処理し、ボールをキャッチするために動きを調整することができます。 このアクションを繰り返し実行すると、ボールをキャッチする方法を学ぶにつれて、ボールのキャッチに関与するニューロンのネットワークが強くなります。
ディープ ラーニングは、電気化学刺激ではなく数値入力を処理する人工ニューラル ネットワークを使用して、この生物学的プロセスをエミュレートします。
受信神経接続は、通常 x として識別される数値入力に置き換えられます。 複数の入力値がある場合、 x は x1、 x2 などの要素を持つベクトルと見なされます。
各 x 値に関連付けられる 重み (w) は、学習をシミュレートするために x 値の効果を強化または弱めるために使用されます。 さらに、 バイアス (b) 入力が追加され、ネットワークに対するきめ細かな制御が可能になります。 トレーニング プロセス中に、 w と b の値が調整され、正しい出力が生成されるように "学習" されるようにネットワークが調整されます。
ニューロン自体は、 x、 w、 および b の加重合計を計算する関数をカプセル化します。 この関数は、結果 (多くの場合、0 から 1 の間の値) を制約して、ニューロンがネットワーク内のニューロンの次の層に出力を渡すかどうかを判断する 活性化関数 で囲まれます。