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
畳み込みニューラルネットワーク
Search
youichiro
March 29, 2017
Technology
1
500
畳み込みニューラルネットワーク
長岡技術科学大学
自然言語処理研究室
B3ゼミ発表(第9回)
youichiro
March 29, 2017
Tweet
Share
More Decks by youichiro
See All by youichiro
日本語文法誤り訂正における誤り傾向を考慮した擬似誤り生成
youichiro
0
1.2k
分類モデルを用いた日本語学習者の格助詞誤り訂正
youichiro
0
59
Multi-Agent Dual Learning
youichiro
1
120
Automated Essay Scoring with Discourse-Aware Neural Models
youichiro
0
90
Context is Key- Grammatical Error Detection with Contextual Word Representations
youichiro
1
110
勉強勉強会
youichiro
0
63
Confusionset-guided Pointer Networks for Chinese Spelling Check
youichiro
0
150
A Neural Grammatical Error Correction System Built On Better Pre-training and Sequential Transfer Learning
youichiro
0
110
An Empirical Study of Incorporating Pseudo Data into Grammatical Error Correction
youichiro
0
150
Other Decks in Technology
See All in Technology
Azureコストは水道代/The_47th_Tokyo_Jazug
aeonpeople
3
380
オブジェクト指向CSSが叶えたかったことと、CSSのいま / The aims of Object-oriented CSS and the current state of CSS usage
shinkufencer
11
3.6k
Evolutionary Optimization of Model Merging Recipes
fuyu_quant0
3
540
Autify Company Deck
autifyhq
1
30k
データ品質をコード化! LINEヤフーのMLOpsを最適化する "ACP Data Quality" の紹介
lycorptech_jp
PRO
2
240
統計的学習理論読み Chapter 1
kmatsui
3
930
今さら聞けない!? AWSの生成AIサービス Amazon Bedrock入門!
minorun365
PRO
11
2.6k
Challenges - Open Farming Hackdays 2024
loleg
0
570
サービス成長と共に肥大化するモノレポ、長くなるCI時間 / As services grow, monorepos get bigger and CI time gets longer
kohbis
5
2.1k
技育祭2024春 LT Finatextホールディングス
kevinrobot34
1
170
複数の LLM モデルを扱う上で直面した辛みまとめ
kazuyaseki
1
250
GitHub最新情報キャッチアップ 2024年3月
dzeyelid
17
3.2k
Featured
See All Featured
Statistics for Hackers
jakevdp
789
220k
Creating an realtime collaboration tool: Agile Flush - .NET Oxford
marcduiker
11
1.4k
個人開発の失敗を避けるイケてる考え方 / tips for indie hackers
panda_program
58
14k
Music & Morning Musume
bryan
39
5.5k
Building Applications with DynamoDB
mza
88
5.6k
RailsConf 2023
tenderlove
0
510
Bash Introduction
62gerente
604
210k
StorybookのUI Testing Handbookを読んだ
zakiyama
10
4.5k
Typedesign – Prime Four
hannesfritz
36
2k
Creatively Recalculating Your Daily Design Routine
revolveconf
209
11k
Exploring the Power of Turbo Streams & Action Cable | RailsConf2023
kevinliebholz
1
3.3k
Docker and Python
trallard
33
2.6k
Transcript
畳み込みニューラルネットワーク 平成29年3月30日 長岡技術科学大学 自然言語処理研究室 小川耀一朗
発表内容 l 畳み込みニューラルネットワーク (Convolutional Neural Networks : CNN) l 畳み込みとは
l ニューラルネットの構造 l プーリング層 l 自然言語処理への応用 2/24
畳み込みニューラルネットワーク ある図形が◦か×かを判定する問題 通常のニューラルネットでは… 画像の1ピクセルを1つの入力とする 10×10の画像 → 100ベクトル 3/24
畳み込みニューラルネットワーク これでは、少し位置がずれていたりすると判定に大 きな影響が出る ある程度の大きさの領域をまとめて入力 → 「右上から左下にかけて黒」という傾向を捉える 4/24
畳み込みニューラルネットワーク これでは、少し位置がずれていたりすると判定に大 きな影響が出る ある程度の大きさの領域をまとめて入力 5/24 フィルタ
畳み込みとは 画像の各要素は0が黒、1が白(一般的には0〜255) 6/24 画像 フィルタ
畳み込みとは 画像の値とフィルタの値を要素毎に掛け合わせ、そ れらの値を合計 7/24 画像 フィルタ 畳み込み(内積) 特徴量
畳み込みとは 画像の値とフィルタの値を要素毎に掛け合わせ、そ れらの値を合計 8/24 画像 フィルタ
畳み込みとは 画像の値とフィルタの値を要素毎に掛け合わせ、そ れらの値を合計 9/24 画像 フィルタ
畳み込みとは 画像の値とフィルタの値を要素毎に掛け合わせ、そ れらの値を合計 10/24 画像 フィルタ
畳み込みとは 画像の値とフィルタの値を要素毎に掛け合わせ、そ れらの値を合計 11/24 画像 フィルタ 畳み込み行列 ↑全体の畳み込み
畳み込みとは ニューラルネットのイメージ 12/24
畳み込みニューラルネットワーク フィルタによって1ピクセルだけ出力する処理 • 入力となる数値の並び(画像の一部分)がある • この数値の並びにそれぞれフィルタの値をかける • かけ算の各結果をすべて足し合わせる 13/24
畳み込みニューラルネットワーク フィルタによって1ピクセルだけ出力する処理 • 入力となる数値の並び(画像の一部分)がある • この数値の並びにそれぞれフィルタの値をかける • かけ算の各結果をすべて足し合わせる ニューラルネットの1ノードの働き •
入力となる数値の並びがある • この数値の並びにそれぞれ重みの値をかける • かけ算の各結果をすべて足し合わせる 14/24
畳み込みニューラルネットワーク フィルタによって1ピクセルだけ出力する処理 • 入力となる数値の並び(画像の一部分)がある • この数値の並びにそれぞれフィルタの値をかける • かけ算の各結果をすべて足し合わせる ニューラルネットの1ノードの働き •
入力となる数値の並びがある • この数値の並びにそれぞれ重みの値をかける • かけ算の各結果をすべて足し合わせる 15/24 フィルタの値を学習によって更新していく
構造 16/24
構造 畳み込み層 1層で複数のフィルタを持っている フィルタの数だけ畳み込み行列が生成 配列の各値には活性化関数をそれぞれ適用 17/24
構造 プーリング層 畳み込み行列の縮小を行い、有効な値だけ残す 18/24
プーリング層 最大プーリング(Max Pooling): 各領域内の最大値をとって圧縮を行う方法 19/24
プーリング層 特徴 l 出力される行列が固定サイズになる 1000個のフィルタがあってそれぞれ最大プー リングを適用 →入力画像のサイズやフィルタのサイズに関 わらず出力は1000次元 l 位置と回転に不変性を与える
ある領域について、微妙なピクセルの違いが あっても、その差異を吸収する 20/24
構造 全結合層 最後のプーリング層の出力をすべて入力 2次元配列(3次元でも可)が1次元配列になる 出力層で正解ラベルと対応させる 21/24
自然言語処理への応用 CNNの特徴 l 入力をベクトル表現(word2vecなど)された文書 にすればNLPに応用できる l 感情分析、スパム検出、カテゴリ分類などの分 類問題が得意 l 畳み込みとプーリングにより局所的な位置情報
が失われるため、品詞タグ付けや固有表現抽出な どでは難しい 22/24
自然言語処理への応用 文の分類 文を単語ベクトル列として表現し、CNNを用いて 特徴抽出・分類 Convolutional Neural Networks for Sentence Classification(2014/08)
23/24
自然言語処理への応用 言語モデル 言語モデルのタスクでLSTM同等以上の精度を 出した 計算効率がLSTMより20倍程度改善された Language Modeling with Gated Convolutional
Networks(2016/12) →自然言語処理の問題に対してもCNNが適用され 始め、高い精度を出している 24/24
発表した内容 l 畳み込みニューラルネットワーク l 畳み込みとは l ニューラルネットの構造 l プーリング層 l
自然言語処理への応用 参考文献 u自然言語処理における畳み込みニューラルネットワークを理解する (http://tkengo.github.io/blog/2016/03/11/understanding-convolutional- neural-networks-for-nlp/) uConvolutional Neural Networkとは何なのか (http://qiita.com/icoxfog417/items/5fd55fad152231d706c2) u高卒でもわかる機械学習 (7) 畳み込みニューラルネット その1 (http://hokuts.com/2016/12/13/cnn1/) u自然言語処理における畳み込みニューラルネットワークを用いたモデ ル (http://qiita.com/Hironsan/items/63d255fd038acbcdf95b) 25/24