What
Cet article résume ce que j'ai remarqué et ce que j'ai recherché lors de l'apprentissage de l'apprentissage automatique avec Chainer. Cette fois, nous étudierons les bases des réseaux de neurones.
Il est rédigé d'après ma compréhension, il se peut donc qu'il soit incorrect. Je corrigerai toutes les erreurs, veuillez me pardonner.
Content
Un réseau de neurones fait référence à un graphe de calcul créé en connectant des transformations différentiables. Voici quelques autres termes à connaître sur l'ensemble. Nœud: Entrée ou sortie (finale): Le résultat du calcul au milieu est aussi un nœud (il semble) Edge: Une ligne connectant les nœuds. Simplement rendre la transition d'état plus facile à voir? Il semble que l'apprentissage automatique utilisant un réseau de neurones avec un grand nombre de ces nœuds soit appelé apprentissage profond. (Enfin sorti)
Layer Couche d'entrée -> couche intermédiaire ou couche cachée (processus de calcul) -> couche de sortie.
Le nombre de nœuds dans la couche intermédiaire est arbitraire. Le sens du designer est remis en question. Les paramètres que vous décidez vous-même sont appelés hyper paramètres. Il existe plusieurs types de réseaux de neurones. (Jointure complète, convolution, type récursif, etc.)
Lorsqu'une entrée est donnée, chaque couche du réseau neuronal est calculée dans l'ordre et le calcul vers la sortie est appelé propagation directe.
La conversion linéaire est possible lorsque l'expression relationnelle d'entrée / sortie peut être exprimée à l'aide d'une matrice.
Si vous souhaitez gérer les entrées / sorties non linéaires, traitez le réseau neuronal comme non linéaire en insérant un processus de conversion non linéaire du résultat de la conversion linéaire. Une fonction qui linéarise → non-linéarise est appelée une fonction d'activation. Il semble y avoir diverses fonctions d'activation.
Jusqu'à présent cette fois, je continuerai la prochaine fois
Comment Je fais souvent la distinction entre les systèmes expérimentaux et théoriques, mais je pense qu'il est absolument nécessaire d'avoir quelqu'un qui puisse comprendre les deux dans un avenir pas trop lointain. Apprentissage automatique Quand j'ai dit que je l'étudierais et le maîtriserais indépendamment, j'ai reçu un soutien. Faisons de notre mieux
Recommended Posts