ニューラルネットワークとは何ですか?

ディープラーニングという用語は、ニューラルネットワークのトレーニングを指します。 Deep は非常に大規模なニューラル ネットワークを表します。では、ニューラル ネットワークとは一体何なのでしょうか? この記事を読むと、非常に直感的に理解できるようになります。この記事では、ニューラル ネットワークとは何かについて簡単に説明します。必要な場合は参考にしてください。

住宅価格予測の例から始めましょう。 8年前、家の値段がめちゃくちゃ高いので、家族に頼れないと思って断ったんです。今はブログを書く必要はありません~~

住宅価格は中国人自身によって推測されていると言われていますが、推測に加えて、住宅価格に影響を与える実際の要因がまだいくつかあります。これらの要因を分析することで、住宅価格を予測することができます。データセット (6 軒の住宅のサイズと価格) があるとします。面積から価格を予測する方法を見つけたい (つまり、関数を構築したい) と考えています。線形回帰に慣れている場合 (詳しくなくても問題ありません。数学理論として考えてください)、この理論に基づいて実際のデータの近くに赤い線などの直線を引くことができます。上の図とその近くの青い線。小さな円は、6 つの住宅の面積が住宅価格に対応する点を表します。つまり、この線 (この関数) を使用して、ある住宅価格に対応する住宅価格を見つけます。一部のエリアについては、一部の誤差を除いて基本的に正確です。さらに、他人の家を占拠して他人にお金を要求するようなギャングでない限り、価格がマイナスになることは決してないことを私たちは知っています。したがって、面積がゼロになると価格もゼロになるため、上の直線は曲がります。面積に基づいて価格を予測する上記の関数は、非常に単純なニューロン ネットワークとして考えることができます (これは、ほぼ最も単純なニューロン ネットワークです)。右の図に示すように、黄色の円がニューロンで、家のサイズが x として入力され、ニューロンは家の価格 y を出力します。

ニューラル ネットワーク関連の文献では、この関数 (上の赤い線) をよく目にします。この関数は一定期間は 0 ですが、その後突然上昇して急上昇します。これを線形単位関数（ReLU、正式名：Rectified Linear Unit）といいます。今はわからなくても、後からわかるようになりますよ！

面積を使用して住宅価格を予測する上記の例は、単一のニューロンを含む非常に小さなニューラル ネットワークです。このようなニューロンを複数積み重ねることで、より大きなニューラル ネットワークを形成できます。ニューロンは構成要素として考えることができ、これらの構成要素を多数積み重ねることで、より大きなニューラル ネットワークを得ることができます。住宅価格の例としては、上の図にあるように、住宅価格に影響を与える要素は面積だけではなく、例えば寝室の数なども関係します。広さに加えて、寝室の数も、家が家族に適しているかどうかを決定します (たとえば、家に 3 人で住むか、5 人で住むかなど)。もう 1 つの要素は郵便番号です。ここでの郵便番号は地理的な場所を表します。その地理的な場所が豊かであれば、生活はより便利になります。次に、もう 1 つの要因は、中国では方宜学区として知られる学校の質のレベルです。これらの要素は特性とも呼ばれます。面積と寝室の数に基づいて、家族の人数を満たすかどうかを推定できます。郵便番号に基づいて、学校への通いやすさを含む生活の利便性を推定することができます。最後に、学校の評価によって教育の質を評価することができます。人々は家を買うときにこれら 4 つの要素を考慮して価格を決定しますが、誇大宣伝の要素は今のところ無視しましょう。したがって、この例では、x はこれら 4 つの入力を表し、y は予測される価格です。上の左の図は、どのインプットが家族の人数のマッチング、生活の利便性、教育の質に影響を与えるかを分析し、価格を念頭に置いたものです。ニューラル ネットワークの不思議な点は、入力 x (面積、寝室の数など) と望ましい結果 y (住宅価格)、およびトレーニングに使用される実際のデータ (面積、上の 6 つの住宅、寝室の数) ...および価格)、次に示すように、中央部分の家族の人数のマッチング、生活の利便性、教育の質は、実際のデータ トレーニングに基づいてニューラル ネットワーク自体によって取得されます。右側に。 7 番目の家の特徴 (地域、郵便番号など) を再度入力すると、このニューラル ネットワークは、以前にトレーニングされた中間部分に基づいて最終的な住宅価格を提供します。つまり、ニューラル ネットワークの内部プロセスが人間の分析プロセスを置き換えます。別の例を挙げると、子供たちに猫について教えるとき、白猫を数匹連れてきて、これは猫だと言い、次に黒猫を数匹連れてきて、これも猫だと言い、次に犬を何匹か連れてきて、これも猫だと言います。これは猫ではありません。最後に、トラ猫を数匹連れてきて彼に尋ねます。でも、どうやって知ったのですか？中間判定のプロセスはどのようなものですか？我々は知りません。これが、ニューラルネットワークが怖い理由です - ニューラルネットワークは人間と非常によく似ています - 私たちはそれが内部でどのように機能するのか知りません、つまり、私たちが子供のことを知らないのと同じように、ニューラルネットワークが何を考えているのか知りません。特に猫と犬の違い。マスク氏は、人工知能は危険であり、人類を滅ぼす可能性があると述べた。

上記の中央部分のニューロンは、隠れニューロンと呼ばれます。右側のニューラル ネットワークでは、隠れた各ニューロンがすべての特徴入力を受け取ることに気づいたかもしれません。左側の図は、面積と寝室の数の 2 つの特徴が家族の規模に関連していることを分析したものです。右側の図では、すべての特徴を各隠れニューロンに提供して実行します。ニューラルネットワーク自体 どの特性がどのような側面で住宅価格に影響を与えるかを分析します。おそらく、ニューラル ネットワークの分析は人間の分析よりも効率的かつ包括的であると思います。以前、Facebook のニューラル ネットワークが人間の言語でのコミュニケーションが非効率すぎると感じたため、コミュニケーション方法を発明したというニュースを見ました~~

関連するお勧め:

Pythonを使用して2層ニューラルネットワークとパーセプトロンモデルを実装する方法

ニューラルネットワークの理論的基礎とPython実装方法の詳細な説明

グラフィックとテキストによるシンプルなニューラルネットワークアルゴリズムのJavaScript実装説明

以上がニューラルネットワークとは何ですか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。