深層学習と言う。コンピュータによる機械学習に、人間脳と同じように草を作って学習をさせること、となるが、そう単純なことではない。抑々人間脳に層がいくつもある、大脳皮質に3層以上もあるのはなぜかというわけだから、それは記憶と取り出しの繰り返しがあるということなんだろうかなどと連想する。機会にといっても、それはコンピュータの計算に繰り返し情報を与えて分類し続ける、鶏だしまたクラスを分けるというソフトを組み込むことになる、と考えていいのだろうか。回帰の処理を行うとなれば、それは情報の精度を高めることの作業の用で、そこに、AIがひらめきを持つというニュースになると、それは人間脳にしかできないと考えられてはいたことであるが、すでに囲碁で人工知能が人間に対して勝負を制している。
ウイキペディアより
＞
ディープラーニング、深層学習（英: deep learning）とは、多層構造の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）を用いた機械学習である。
概要
ディープラーニングは、ニューラルネットワークの多層化、特に3層以上のものに対し、1990年代に進められた脳、特に視覚野の研究[疑問点 – ノート]や、「たった一つの学習理論（英語: One Learning Theory）」、ブルーノ・オルスホーゼンによるスパース・コーディング理論を基にしたアルゴリズムが実装されたものを指す。
これに画像などのデータを入力すると、情報が第1層からより深くへ伝達されるうちに、各層で学習が繰り返される。この過程で、これまでは画像や音声などそれぞれのデータの研究者、技術者が手動で設定していた特徴量が自動で計算される。
特徴量とは、問題の解決に必要な本質的な変数であったり、特定の概念を特徴づける変数である。この特徴量を発見できれば、あらゆる問題の解決につながったり、パターン認識精度の向上や、フレーム問題の解決につながったりすると期待されている。この階層的な特徴量の学習が、ディープラーニングが従来の機械学習と決定的に異なる点である。
この技術は、画像認識や音声認識等の分野に活用される。2012年には、Googleの開発したグーグル・ブレインが、猫の概念を学習することに成功した。
＞
その後、1980年代より、排他的論理和の問題を解決したバックプロパゲーションが開発されたが、非効率的なメカニズムや、動詞の過去形など複雑な認識ができない（そもそも3層ニューラルネットで任意関数は全て近似可能であり、大脳新皮質がなぜ3層以上存在するのかが不明であった）などの要因により、1990年代後半には沈静化した
https://thinkit.co.jp/story/2015/08/31/6364
そもそもディープラーニングとは何か？ | Think IT（シンクイット）
＞何が「ディープ」なのか？
ディープラーニングの登場によってニューラルネットワークは再び注目されることとなったが、では何が「ディープ」なのか？ その答えは、ニューラルネットワークの構成にある（図3）。ニューラルネットワークは大きく三つの層（入力層、中間層、出力層）に分けられる。入力データは入力層を通り、中間層、出力層を通過して処理され、出力結果が作られる。こうした一連の入力から出力への流れにより、認識が可能となる。ディープラーニングは、特に中間層が2層以上のネットワークを対象にした学習手法のことである。たった数層なのかと思うかもしれないが、これら数層で学習するべきパラメータ数は大幅に増え、学習の難易度も上がる。例えば、2014年のImageNet画像コンテストで優勝した米Googleのネットワークは、20層以上の中間層を持つ大きいネットワークだという。
＞画像・自然言語処理などではCNN（Convolutional Neural Network)が主流で、音声認識にはRNN（Recurrent Neural Network）や全結合型が使われる。
https://www.otsuka-shokai.co.jp/words/deep-learning.html
ディープラーニング | IT用語辞典 | 大塚商会
＞ディープラーニングとは
膨大なデータから、特徴となるパターンをとらえて自動的に識別するプログラミング技術。ネット企業を中心に、画像や音声の認識精度を高める技術として注目を集める。
＞
フェイスブックは2014年3月、新しい顔認識ソフト「DeepFace」を発表した。約4000人の400万画像を基に自動認識アルゴリズムを組み込んで、異なる2つの人物画像をコンピュータに見せ、同一人物かを識別させるテストを実施した。その結果、一般の人の画像で同じかどうかを識別できた割合は、人間と同じレベルの97％だったとしている。
ウイキペディアより
＞
ディープラーニング、深層学習（英: deep learning）とは、多層構造の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）を用いた機械学習である。
概要
ディープラーニングは、ニューラルネットワークの多層化、特に3層以上のものに対し、1990年代に進められた脳、特に視覚野の研究[疑問点 – ノート]や、「たった一つの学習理論（英語: One Learning Theory）」、ブルーノ・オルスホーゼンによるスパース・コーディング理論を基にしたアルゴリズムが実装されたものを指す。
これに画像などのデータを入力すると、情報が第1層からより深くへ伝達されるうちに、各層で学習が繰り返される。この過程で、これまでは画像や音声などそれぞれのデータの研究者、技術者が手動で設定していた特徴量が自動で計算される。
特徴量とは、問題の解決に必要な本質的な変数であったり、特定の概念を特徴づける変数である。この特徴量を発見できれば、あらゆる問題の解決につながったり、パターン認識精度の向上や、フレーム問題の解決につながったりすると期待されている。この階層的な特徴量の学習が、ディープラーニングが従来の機械学習と決定的に異なる点である。
この技術は、画像認識や音声認識等の分野に活用される。2012年には、Googleの開発したグーグル・ブレインが、猫の概念を学習することに成功した。
＞
その後、1980年代より、排他的論理和の問題を解決したバックプロパゲーションが開発されたが、非効率的なメカニズムや、動詞の過去形など複雑な認識ができない（そもそも3層ニューラルネットで任意関数は全て近似可能であり、大脳新皮質がなぜ3層以上存在するのかが不明であった）などの要因により、1990年代後半には沈静化した
https://thinkit.co.jp/story/2015/08/31/6364
そもそもディープラーニングとは何か？ | Think IT（シンクイット）
＞何が「ディープ」なのか？
ディープラーニングの登場によってニューラルネットワークは再び注目されることとなったが、では何が「ディープ」なのか？ その答えは、ニューラルネットワークの構成にある（図3）。ニューラルネットワークは大きく三つの層（入力層、中間層、出力層）に分けられる。入力データは入力層を通り、中間層、出力層を通過して処理され、出力結果が作られる。こうした一連の入力から出力への流れにより、認識が可能となる。ディープラーニングは、特に中間層が2層以上のネットワークを対象にした学習手法のことである。たった数層なのかと思うかもしれないが、これら数層で学習するべきパラメータ数は大幅に増え、学習の難易度も上がる。例えば、2014年のImageNet画像コンテストで優勝した米Googleのネットワークは、20層以上の中間層を持つ大きいネットワークだという。
＞画像・自然言語処理などではCNN（Convolutional Neural Network)が主流で、音声認識にはRNN（Recurrent Neural Network）や全結合型が使われる。
https://www.otsuka-shokai.co.jp/words/deep-learning.html
ディープラーニング | IT用語辞典 | 大塚商会
＞ディープラーニングとは
膨大なデータから、特徴となるパターンをとらえて自動的に識別するプログラミング技術。ネット企業を中心に、画像や音声の認識精度を高める技術として注目を集める。
＞
フェイスブックは2014年3月、新しい顔認識ソフト「DeepFace」を発表した。約4000人の400万画像を基に自動認識アルゴリズムを組み込んで、異なる2つの人物画像をコンピュータに見せ、同一人物かを識別させるテストを実施した。その結果、一般の人の画像で同じかどうかを識別できた割合は、人間と同じレベルの97％だったとしている。
