概要

  • 教師あり学習
  • 教師なし学習
  • 強化学習

参考

機械学習 – Wikipedia

深層学習ディープラーニング (Deep Learning)

参考

ディープラーニング – Wikipedia

ニューラルネットワーク (Neural Network)

参考

ニューラルネットワークの基礎 | Chainer チュートリアル

ニューラルネットワーク – Wikipedia

畳み込みニューラルネットワーク (Convolutional Neural Network / CNN)

参考

CNN なんて怖くない!その基本を見てみよう | @IT

畳み込みニューラルネットワークの仕組み | POSTD

畳み込みニューラルネットワーク (CNN) | ReNom

畳み込みネットワークの基礎の基礎を理解する | アイマガジン

畳み込みニューラルネットワーク – Wikipedia

活性化関数 (Activation Function)

  • シグモイド関数
  • ソフトマックス関数
  • 恒等関数
  • ReLU (Rectified Linear Unit)

参考

活性化関数 (Activation Function) とは? | @IT

シグモイド関数 (Sigmoid function) とは? | @IT

ソフトマックス関数 (Softmax Function) とは? | @IT

恒等関数 (Identity Function)/線形関数 (Linear Function) とは? | @IT

ReLU (Rectified Linear Unit)/ランプ関数とは? | @IT

活性化関数 – Wikipedia

目的関数

参考

目的関数、コスト関数、誤差関数、損失関数いろいろあるけど、なにが違うのかを検討 – Qiita

多層パーセプトロン

参考

多層パーセプトロン | 頭の中に思い浮かべた時には

多層パーセプトロン – Wikipedia

複素ニューラルネットワーク

参考

成功!!複素ニューラルネットワーク (CxNN) を実装して衛星データから物体検出をしてみる | 宙畑

確率的勾配降下法 (Stochastic Gradient Descent / SGD)

参考

確率的勾配降下法のメリットについて考えてみた – Qiita

Google Colaboratory 上で勾配降下法を可視化する – Qiita

SGD/クラス分類 | 機械学習、AI、ディープラーニングのプログラミングを解説

ディープラーニング (深層学習) を理解してみる/勾配降下法最急降下法と確率的勾配降下法 | デジタル・デザイン・ラボラトリーな日々

ロジスティック回帰 (勾配降下法/確率的勾配降下法) を可視化する | StatsFragments

確率的勾配降下法 (SGD / Stochastic Gradient Descent) は局所最適解を抜け出せる可能性があるらしい | ts0818 のブログ

確率的勾配降下法 | 数理計画用語集 (msi.co.jp)

確率的勾配降下法 – Wikipedia

画像分類

こちらのページを参照

参考

SVM で MNIST のデータを画像分類する | 俺人

Random Multimodel Deep Learning (RMDL)

参考

kk7nc/RMDL: RMDL: Random Multimodel Deep Learning for Classification – GitHub

RMDL: Random Multimodel Deep Learning for Classification – Qiita

RMDL: Random Multimodel Deep Learning for Classification | arXiv.org

学習リソース

参考

機械学習はデータ集めるのが一番大変… ⇛ Google が大量の機械学習用データベースを無料公開してた – Qiita

まとめ

参考

Python 系の情報ソースをまとめた – Qiita

記事

参考

人間の命を救うはずだった AI が政治と無知によって無視されてしまった話 – Qiita

資料

参考

深層学習の数理 | SlideShare

書籍

Amazon 商品リンク

Python によるスクレイピング & 機械学習 開発テクニック 増補改訂版

動画/チュートリアル

深層学習/プーリング層 – シンプルだけど大きな役割を担う層

MNIST

参考

MNIST – Handwritten Digit Database | Yann LeCun

MNIST – 手書き数字の画像データセット | @IT

MNIST データベース – Wikipedia

CIFAR-10 / CIFAR-100

参考

CIFAR-10 and CIFAR-100 Datasets | Alex Krizhevsky

CIFAR-10 – 物体カラー写真 (乗り物や動物など) の画像データセット | @IT

YouTube-8M

参考

YouTube-8M – A Large and Diverse Labeled Video Dataset for Video Understanding Research

Open Images

参考

Open Images (storage.googleapis.com)

arXivTimes

参考

arXivTimes/arXivTimes: repository to research & share the machine learning articles – GitHub

arXivTimes/arXivTimes/datasets – GitHub

記事をシェアする:

コメントを残す

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です