ディープラーニング
クラス分類
モデルの
非線形
への拡張
非線形
変換を何度も繰り返して、徐々に複雑な関数を表現していく
=
ディープラーニング
深層学習を、
非線形変換
の手段の一つとして捉える
以前学んだ時は、なんでこれであんな複雑なタスクが出来るんだろうと気味が悪かった
ただ、
東大1S情報α
で再学習したら、まあできるよなという気持ちになってきた
「モデルに沢山パラメータがあれば複雑なものが表現できる」という感覚がついたのが、自分の中での変化な気がする
超大量のパラメータを持つモデル(
ニューラルネットワーク
)があればなんでも出来るよな、という気持ち
東大1S情報α
の、
データとモデルとパラメータ学習
を分けて考える話、他人に説明する時にも参考になる
LinearRegressionと深層学習の対応関係とかも