Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
Artificial Neural Network: A brief study
Search
Koki Kazaore
May 20, 2024
Research
0
26
Artificial Neural Network: A brief study
論文輪読会使用資料
Koki Kazaore
May 20, 2024
Tweet
Share
More Decks by Koki Kazaore
See All by Koki Kazaore
Proposal and Implementation of a New Matching Model for CtoC Bike Share Service
kokikazaore
0
15
nwHacks participation report
kokikazaore
0
11
Won't you come to my house?
kokikazaore
0
34
Bitcoin: A Peer-to-Peer Electronic Cash System
kokikazaore
0
29
C2Cシェアサイクル実現に向けた人と自転車のマッチング最適化
kokikazaore
0
48
研究紹介とネットワークサーバー移行奮闘記
kokikazaore
0
86
Other Decks in Research
See All in Research
Data-centric AI勉強会 「ロボットにおけるData-centric AI」
haraduka
0
470
大規模言語モデルを用いたニュースデータのセンチメント判定モデルの開発および実体経済センチメントインデックスの構成
nomamist
0
110
言語と数理の交差点:テキストの埋め込みと構造のモデル化 (IBIS 2024 チュートリアル)
yukiar
5
1.1k
Bluesky Game Dev
trezy
0
150
Batch Processing Algorithm for Elliptic Curve Operations and Its AVX-512 Implementation
herumi
0
120
Weekly AI Agents News! 1月号 アーカイブ
masatoto
1
180
Remote Sensing Vision-Language Foundation Models without Annotations via Ground Remote Alignment
satai
3
130
20241226_くまもと公共交通新時代シンポジウム
trafficbrain
0
420
DeepSeek を利用する上でのリスクと安全性の考え方
schroneko
3
800
NeurIPS 2024 参加報告 & 論文紹介 (SACPO, Ctrl-G)
reisato12345
0
340
Weekly AI Agents News!
masatoto
31
54k
BtoB プロダクトにおけるインサイトマネジメントの必要性 現場ドリブンなカミナシがインサイトマネジメントに取り組むワケ / Why field-driven Kaminashi is working on insight management
kaminashi
0
230
Featured
See All Featured
Let's Do A Bunch of Simple Stuff to Make Websites Faster
chriscoyier
507
140k
Visualizing Your Data: Incorporating Mongo into Loggly Infrastructure
mongodb
45
9.4k
StorybookのUI Testing Handbookを読んだ
zakiyama
28
5.5k
Intergalactic Javascript Robots from Outer Space
tanoku
270
27k
CSS Pre-Processors: Stylus, Less & Sass
bermonpainter
356
29k
The Straight Up "How To Draw Better" Workshop
denniskardys
232
140k
RailsConf 2023
tenderlove
29
1k
[RailsConf 2023] Rails as a piece of cake
palkan
53
5.3k
How to train your dragon (web standard)
notwaldorf
91
5.9k
How To Stay Up To Date on Web Technology
chriscoyier
790
250k
Mobile First: as difficult as doing things right
swwweet
223
9.4k
Learning to Love Humans: Emotional Interface Design
aarron
273
40k
Transcript
Artificial Neural Network: A brief study 人工ニューラルネットワーク: 概要研究 知能モデリング研究室 Koki
Kazaore 2024/5/17 英語ゼミ(論文輪読会)
2 ページタイトルが黒文字:論文の内容要約スライド ページタイトルが橙文字:説明用追加スライド はじめに
3 - タイトル: - Artificial Neural Network: A brief study(2022)
- 著者: - Mayuri Thorat, Shraddha Pandit, Supriya Balote - 選定理由・目的 - できるだけ共通項となり得る論文に時間を割きたい - ニューラルネットワーク迷子になったら基礎に立ち帰れ る資料にしたい - ANNを理解した上で,CNN/RNNに派生したい 論文詳細
4 Abstract 人工ニューラルネットワーク(ANN)とは 脳などがデータを処理する方法から着想を得た概念 人間と同様に,例をもとに学習し,それが膨大であれ ば 高い精度をもたらす. 本論文では - ANNの概要・動作・学習 -
ANNの応用と利点 について説明する.
5 問題解決における従来の方法 - 問題の解決方法を知っている人がプログラムする。 - コンピュータは具体的なアルゴリズムに基づいて問題を解 決する。 ニューラルネットワークのアプローチ - 人間の脳のように情報を処理する。
- 曖昧なアルゴリズムが必要な問題と対峙できる。 - 文字認識・未来予測 Introduction
6 Introduction シンプルな神経細胞図×100億個 細胞体: 入力を処理 総和なり乗算なり 樹状突起:入力 核 軸索: 出力信号を送る
軸索末梢 N N N N N N N N N N シナプス
7 人間の脳のようにデータを分析・処理するための, 生物学的な着想を得たコンピューティングシステム What is ANN?
8 What is ANN? 構造 - 入力層 - 隠れ層 -
出力層 メリデメ - メリット:適応性・耐複雑性 - デメリット:not厳密・複雑構造
9 1. 非線形タスクの実行 2. 高い耐障害性 3. トレーニング後の柔軟性 4. 人間の代替 5.
入力変数の柔軟性 6. マルチタスク能力 7. 迅速な作業 8. ソフトウェアの完全なバックアップ 9. 意思決定と自動再プログラム Advantages
10 Applications 1. 手書き文字認識 2. 株価予測 3. 旅行計画問題 4. 画像圧縮
5. 関数近似 6. 分類 7. データ処理
11 Working of an ANN (次スライド参照しながら) - 上層から下層へ信号送る(フィードフォワード) - ニューロン間のリンクは加算(興奮)or除去(制御)する役割
- ニューロンでは入力の加重和を計算 活性化関数へ投げる - 閾値を超えるとニューロンは発火 そうでなければ発火しない - 学習モードと使用モードが存在する
12 Working of an ANN
13 教師あり学習 入力と出力の両方が与えられる バックプロパゲーション(誤差逆伝播)によって重みを更新する バックプロパゲーションプロセス 1. 入力 2. 出力 3.
誤差発見 4. 重み更新 Training an ANN
14 Training an ANN ↓教師(Label) 日付 湿度 気圧 雨 5/1
83% 1000 T 5/2 59% 1005 F 5/3 69% 1010 F 5/4 75% 1015 T 5/5 80% 1020 T f(湿度, 気圧) ⇒ f(83, 1000) = T f(59, 1005) = F h(湿度, 気圧) h(10, 1013) = ? h(100, 990) = ?
15 教師なし学習 入力は与えられるが,必要な出力は与えられない 未ラベルのデータセットを使用 入力データをグループ化するために適切な特徴を選択 隠れたパターンを発見するために使用 Training an ANN
16 強化学習 フィードバックと過去の経験から学習する長期的な反復プロセス フィードバックが多ければ多いほど精度向上 マルコフ決定過程とも呼ばれる Training an ANN
17 Training an ANN 強化学習 – これだけは知っておきたい3つのこと - MATLAB &
Simulinkより引用
18 Conclusion 人工ニューラルネットワーク(ANN)の仕組みと学習について述べ た. ANNは更に発展していく.例えば - モバイルやウェブアプリでのカスタマイズされたUXの強化 - 神経学や心理学にも貢献する ANNの性能を決定する変数(伝達関数・学習サンプルのサイズ・
ネットワークのトポロジー・重みの調整技術)はほんの一例に過ぎ ない.
19 CNNとは 特に画像解析のために畳み込みを使用するNN CNN = C(畳み込み+プーリング) + ANN ANN→CNN 畳み込みニューラル
ネットワークとは | これだけは知っておきたい 3 つのこと - MATLAB & Simulinkより引用
20 RNNとは 特にシーケンスデータを処理するNN ANN→RNN リカレントニューラルネットワーク (RNN) とは - MATLAB &
Simulinkより引用
21 RNNとは 1:多→画像についての説明を出力する処理 多:1→動画データの著作権判定処理 多:多→翻訳 ANN→RNN