>>113
頑張って書かれていることを読み解こうとしてみたけど、ちょっとズレてると思う。
僕もそんなに詳しくないけれども、まず、ディープラーニングについて整理させてね。（詳しい人突っ込みお願い）

学習を目的とした、入力データと教師データのペアをトレーニングデータセット。
例）入力X飛行機の画像121枚フォルダ名がY１番、X猫98枚Y２番、X犬107枚Y３番・・・・・

学習状況の評価のためにトレーニングデータセットの一部を抽出して使う
入力データと教師データのペアをバリデーションデータ。
例）猫３枚は２番と定義済みなので猫３枚を入力すると２番と答えるかどうか。

推論を目的とした、入力データのみのデータをテストデータセットといいます。
例）何が映っているか分からない画像 1枚

画素は（ｘ、ｙ、ｒｇｂ）100dot×100dotなら10000pixelが赤青緑で３レイヤー
簡単に10000pixelが入力のXで、0.00〜1.00の数字が1万個とし、推論のYは1番なら飛行機、2番なら猫、3番なら犬・・
という風にXとYを定義します。

で、ものすごく大雑把に間違いを含めて説明すると、>103で紹介の松尾氏のいうのは”最小二乗法”というか（y=ax+b）のような関数の話。
例えば（y=ax+b）が今　犬3番＝係数 a 掛ける0.50＋b　の時にaとbを変化させて3番になるようにする。

3＝a×0.50+b でaが4なら 3＝4x0.50+b でｂ＝１が求まる結果　学習後（y＝4x+1）の式が完成し、

未知の入力データが例えば 0.25をXに入力すると（y＝4x0.25+1）＝２となって２番の猫ですという推論される。

ここでトレーニングデータセット次第でなんでもよいのであって
単語や文章でX1リンゴ、X2自動車、X3sports・・、Y1がapple,Y2がdog,Y3が鉛筆・・
(Y2がdog)＝a×(X2自動車)+b と定義してabを学習させれば車の絵を見せてdogと答えさせられるってだけ。