パーセプトロン
パーセプトロンには
『単純パーセプトロン』と
http://hooktail.org/computer/index.php?plugin=ref&page=Perceptron&src=perceptron5.png
『多層パーセプトロン』がある。
http://hooktail.org/computer/index.php?plugin=ref&page=Perceptron&src=perceptron4.png
どう違うかは図を見れば分かると思うが、
『単純パーセプトロン』は2層だし、
『多層パーセプトロン』は3層だ。
『単純パーセプトロン』は大したことできない。
『多層パーセプトロン』は何でもできる。
(『単純パーセプトロン』は直線の向こう側か?それとも直線のこっち側か?の認識しかできない。) ◆多層パーセプトロンの作り方
上記リンク先の図のように、部品を3層に組むだけである。
これだけである。
しかし、これだけでは動いてくれない。
学習させていかないといけない。
□□□□□□□□□□
□●□□□□□□□□
□□□□□□□□□□
□□□●□□□□□□
□□□□□□□□□□
□□□□□□□□□□
□□□□□□□□□□
□□□□□□□▲□□
□□□□□▲□□□□
□□□□□□□□□□
●=インド人
▲=日本人
だとしよう。どうやってパターン認識すべきか。 □□□□□□□□/□
□●□□□□□/□□
□□□□□□/□□□
□□□●□/□□□□
□□□□/□□□□□
□□□/□□□□□□
□□/□□□□□□□
□/□□□□□▲□□
/□□□□▲□□□□
□□□□□□□□□□
答えは『線を引いて、それのこっち側がインド人。
向こう側が日本人』とすればいい。
これがパーセプトロン。
で、どういう線を引けばいいのか。それがパーセプトロンの学習。 ところで >>14 で示した部品を組み合わせただけで、
『線を引いて、それのこっち側がインド人。 向こう側が日本人』
(インド人データだと発火する。日本人データだと発火しない)
そんな回路が作れるのだろうか?
インド人と日本人は直線で分けれるものとする。
これは宿題だ。 □□□□□□□□□□
□□□□□□□□□□
□□□□□□□●□□
●□□□□□□□□□
●□□▲□□□□□□
□□□□□▲□□□●
□□□□□□□□□□
▲□□□□□□□□□
□□▲□□□□□□□
これだとどうだろうか? □□□□□□□□□□
□□□□□□□□□□
□□□□/\□●□□
●□□/□□\□□□
●□/▲□□□\□□
□/□□□▲□□\●
/□□□□□□□□\
▲□□□□□□□□□
□□▲□□□□□□□
こういう線を引けばいい。
これが >>13 が言っている『データを線形分離しながら分類して、どんどん収束させていく仕組み』だ。
ところで、パーセプトロンで
こんな曲がった線で分けるような事ができるだろうか?
前に書いた部品の図を良く見てほしい。
あれは組み合わせれば【『Zが発火』もしくは『Yが発火』したら発火】という
OR回路が作れる。つまり、【『線分W』のこっち側】もしくは【『線分V』のこっち側】
で発火する回路が作れるってことだ。 つーか人間の脳は明らかにパーセプトロンじゃないよな。小脳はともかく大脳だと抑制のフィードバックだのモジュレータだの回路が複雑すぎるわ 素晴らしいが、結局特徴量の抽出アルゴリズムが最重要。
判定が速いのはいい。 パーセプトロンとSVMとがどちらも線型分離で分類するなら、
両者の違いは何? パーセプトロンは、とにかく分離できればOK
SVMは、できるだけ「よく」分離しようとする(マージン最大化)
もし線形分離可能なデータがあったとして、分離の仕方は一通りでは無いよね? その「よく」ってのは曲者で、学習データから得られた最大マージンとなる境界が
真の境界と一致するとは限らない。 >>38
あくまでも効率的に分析するためのツールだからな
精確さを重視するならコストをかけて調べるべきだ いまでもニューラルネットとか、真面目に研究してる人っているのかな?
ファジーやGAやニューラルネットが混沌としてた時代に学生やってたので、ふと気になった。
統計処理や回帰分析でパターン認識やればすぐにいい成果でるのがわかってるんだから、幾何や解析の手法を持ち込んでメタなレイヤーか学習関数をいれてやればと手をつけたら誰も相手してくれなくなった。
一台のEWSワークステーションをシェアしてて、40MBのライブラリをHDDにダウンロードしたら怒られる時代。GPU,SSD,数GBの主記憶。もう当時とは別世界だな。 >>41
別世界になってもたいして進歩してない現実。 ◎2chスレッド勢いランキングサイトリスト◎
★+ニュース板
・ 2NN (推奨サイト)
・ 2chTimes
★+ニュース板新着
・ 2NN新着
・ Headline BBY
・ unker Headline
★+ニュース板その他
・ Desktop2ch
・ 記者別一覧
★全板
・ 全板縦断勢いランキング (推奨サイト)
・ スレッドランキング総合ランキング
・ ログ速
★全板実況込み
・ 2勢 (推奨サイト)
・ READ2CH
・ i-ikioi
※ 要タイトル検索
※ 2chブラウザ併用推奨 >>41
今はDeepLearningだろ
まあ手軽なのは全部SVMに席巻されてしまったが >大阪府三島郡島本町の小学校や中学校は、暴力イジメ学校や。
島本町の学校でいじめ・暴力・脅迫・恐喝などを受け続けて廃人になってしもうた僕が言うんやから、
まちがいないで。僕のほかにも、イジメが原因で精神病になったりひきこもりになったりした子が何人もおる。
教師も校長も、暴力やいじめがあっても見て見ぬフリ。イジメに加担する教師すらおった。
誰かがイジメを苦にして自殺しても、「本校にイジメはなかった」と言うて逃げるんやろうなあ。
島本町の学校の関係者は、僕を捜し出して口封じをするな。
>島本町って町は暴力とイジメと口裏合わせと口封じと泣き寝入りの町なんだなあ
子供の時に受けた酷いイジメの体験は、一生癒えない深い傷になる
暴力とイジメの町に巣食うヤクザ・チンピラ・ゴロツキ・不良・ いじめっ子・殺人鬼・ダニ・
ノミ・シラミなどを監視して非難するのは暮らしやすい町を作るのに必要だ 大阪府の島本町(しまもとちょう、シマモトチョウ、シマモト国)という町は「暴力とイジメの町」で
イジメられて廃人になった子がようけおるそうやな
そんな腐った町やったら改革せなアカンやないか 畳み込みニューラルネットワークの勾配計算が理解できません
だれかわかりやすくおしえて ニューラルネットワークもDeepLearningも
構築する学習は統計的平均値にすぎない。
統計学が理解できていない奴は数学が何かという問いを教わっていない。
数学は幻であり幻想である、定義をした数理モデルの要素と原理が不確か
では妄想の結果しか出さないってことだ。
学習など正しい要素を抽出し正しい原理を学習をさせなければならない
それは統計学でも基礎中の基礎な、正しくない要素選択では答えも曲解しか
だせないってことだ。簡易で都合の良い学習データでその正しい要素と正しい原理
に収束するわけがない、それだけ統計をするのは難しい行為だとしれ。 素敵なメンズががみんなで秋祭りを開催♪
URL貼れないから
メーンズガーデン ってググってみて
※正しいサイト名は英語。 !!!!!!!!!!!!さて、これで稼いだ金でちょめちょめするかな
http://goo.gl/TuQqpK 長崎の曲尾猫は有名だが、いったん遺伝的に曲がってしまうともう元にはもどらん
のだろうな。そうすると知性のようなものも、曲尾ができると直らないかもしれない。
エラーを吐き出しぱなしだな。宗教はまさに曲尾じゃあるまいか? □□□□□□□□□□
□▲□□▲□□□□▲
□□□□□□□●□□
●□□□□●□□□□
●□□▲□□□▲□□
□□□□□▲□□□●
□□□●□□□□□□
▲□□□□▲□□●□
□□▲□□□□□□□
これもお願いします。
綺麗な直線や曲線では無理なものが「非線形」というやつになるのでしょうか??
素人です。 >>51
Fラン文系DQNです。
数学や統計学が高尚なものであっても、現実の事象を取り扱うことはなかなか難しいケースが多い。
むしろ取扱い事象の方が少ない。
ただし、取り扱えるときは最強。最強というより、まぎれもなくそれが正解。
だと思っていました。
が、ディープラーニングというやつは、この取り扱える範囲を物凄く拡大するものであると思ったのですが、
そうではないのでしょうか? 逆誤差伝搬は数学的な方法でパーセプトロンにしか使えないって聞くけど、
焼きなまし法って実際どうやって書いたらいいの?
一つの細胞の値に対して数値を振ってるの?
全体を同時に振ってるの?
全体だとしたらGAとの違いは?と思ってしまうのだが。
教えてください。 >>56
これはそもそもX軸Y軸の特徴の選び方を間違えているな。
計算すれば、それっぽく線を引くだろうけど、ほとんど役に立たない答えしか出ない。
どの特徴を選ぶかまでを、学習の中で行ってしまうのがディープラーニング。 ネット版のホストみたいなの発見。
イケメンなら稼げるんだろうけど。
話が上手けりゃ稼げるかな。
誰かレポ頼む。
メンガでググると出てくる。 >>58
其の程度の理解では、動作を説明したところで何も判らんと思うよ。
違いは?という回答を3行程度で説明できるとおもっている時点で
おめでたいわ。 >>58
自動ですべてを学ばせていたことを深層階層という段階をもつことで
学習を簡単に学習設計できるようにしただけ。
その従来では深層部分は完全自動で構築していただけにすぎない、
一部手動にして学習を構造化させることで合理化しただけの仕組みにすぎない。
つまりその深層の構造部分を最適に学習&設計できなければ、
まったく意味のない技術になりさがる。
>この取り扱える範囲を物凄く拡大するものであると思ったのですが、
いえ違います逆に範囲をものすごく制限(合理化、またはノード化)することで非常に使いやすくしただけです。
従来の学習は万能学習であったが、万能すぎるゆえに学習がが難しく道具としては使えなかっただけね。
従来的な手法では学習の記憶エングラムは高度の抽象化されるので外部からそれを理解することは
ほぼ不可能とされていたが、深層学習によってそれを抽象的に制御できるようになった。 アソシアトロンも捨てがたいね。
深層学習の学習層をどんどん増やしていったら、
どんなことが起きるかな? 結局これって識別境界面の法線ベクトルを求めてるんですよね?で、法線ベクトルがいわゆる重みベクトル。
そして、パターンベクトルと重みベクトルのなす角によってクラスを分類するという認識で合ってますか? 情報学以上におもしろいかもしれない副業方法
グーグルで検索⇒『羽山のサユレイザ』
3V711 ユニークで個性的な在宅ワーク儲かる方法
興味がある人はどうぞ
検索してみよう『立木のボボトイテテレ』
GEX ☆★☆【神よこのようなクソ悪党どもを一匹残らず殺してくださいお願いします】★☆★
《超悪質!盗聴盗撮・つきまとい嫌がらせ犯罪首謀者》
●井口・千明の連絡先:東京都葛飾区青戸6−23−16
●宇野壽倫の連絡先:東京都葛飾区青戸6−23−21ハイツニュー青戸202
【告発者の名前と住所】
◎若林豆腐店店主(東京都葛飾区青戸2−9−14)の告発
◎肉の津南青戸店店主(東京都葛飾区青戸6−35ー2)の告発
「宇野壽倫の嫌がらせがあまりにもしつこいので盗聴盗撮・嫌がらせつきまとい犯罪者の実名と住所を公開します」
【超悪質!盗聴盗撮・嫌がらせつきまとい犯罪者の実名と住所】
@宇野壽倫(東京都葛飾区青戸6−23−21ハイツニュー青戸202)
※宇野壽倫は過去に生活保護を不正に受給していた犯罪者です/どんどん警察や役所に通報・密告してやってください
A色川高志(東京都葛飾区青戸6−23−21ハイツニュー青戸103)
※色川高志は現在まさに、生活保護を不正に受給している犯罪者です/どんどん警察や役所に通報・密告してやってください
【通報先】
◎葛飾区福祉事務所(西生活課)
〒124−8555
東京都葛飾区立石5−13−1
рO3−3695−1111
B清水(東京都葛飾区青戸6−23−19)
※低学歴脱糞老女:清水婆婆 ☆☆低学歴脱糞老女・清水婆婆は高学歴家系を一方的に憎悪している☆☆
清水婆婆はコンプレックスの塊でとにかく底意地が悪い 悪魔のような形相で嫌がらせをしてくる
C高添・沼田(東京都葛飾区青戸6−26−6)
※犯罪首謀者井口・千明の子分/いつも逆らえずに言いなりになっている金魚のフン/親子孫一族そろって低能
D高橋(東京都葛飾区青戸6−23−23)
E長木義明(東京都葛飾区青戸6−23−20)
F井口・千明(東京都葛飾区青戸6−23−16)
※盗聴盗撮・嫌がらせつきまとい犯罪者のリーダー的存在/犯罪組織の一員で様々な犯罪行為に手を染めている