Unicode(ユニコード)一覧とURLエンコード検索・変換サイト

URLエンコード(UTF-8) : コピー
%E6%B7%B1%E5%B1%A4%E5%AD%A6%E7%BF%92

URLエンコード(EUC-JP) : コピー
%BF%BC%C1%D8%B3%D8%BD%AC

URLエンコード(Shiff_Jis) : コピー
%90%5B%91w%8Aw%8FK

数値文字参照(10進数) : コピー
深層学習

数値文字参照(16進数) : コピー
深層学習

深層学習の説明

日本語 名詞 深 層 学 習（しんそうがくしゅう） 対象の全体像から細部までの各々の概念を階層構造として関連させて学習する手法。

ディープラーニング（英: deep learning）または深層学習（しんそうがくしゅう）とは、対象の全体像から細部までの各々の粒度の概念を階層構造として関連させて学習する手法のことである。コーセラの共同創業者であるアンドリュー・ンによれば、「人工知能への第一歩」という認識は正しいのだという。深層学習として最も普及した手法は、（狭義には4層以上の）多層の人工ニューラルネットワーク（ディープニューラルネットワーク、英: deep neural network; DNN）による機械学習手法である。多層ニューラルネットワークについては、ジェフリー・ヒントンの研究チームが2006年に考案したスタックトオートエンコーダが直接の起源となった。ディープラーニングの学習機構は簡単な場合を除いて良く機能する理由が分かっておらず、人間が内部を解析してパターン認識の根拠が理解できるかどうかも不明な状況にある。パターン認識の根拠を理解できていないと安全面に不安があることから、説明可能なAIも求められている。 要素技術としてはバックプロパゲーションなど、20世紀のうちに開発されていたものの、4層以上の深層ニューラルネットについて、局所最適解や勾配消失などの技術的な問題によって十分学習させられず、性能も芳しくなかった。しかし、21世紀に入って、スタックドオートエンコーダを始めとするヒントンらによる多層ニューラルネットワークの学習の研究や、学習に必要な計算機の能力向上、および、インターネットの発展による学習データの流通により、十分に学習させられるようになった。その結果、音声・画像・自然言語を対象とする諸問題に対し、他の手法を圧倒する高い性能を示し、2010年代に普及した。学界では更に抽象化された数学的概念によるディープラーニングが研究されている。

Unicode検索結果 - 深層学習