AI技術をぱっと理解する（基礎編）

オートエンコーダー(Auto Encoder)は、もともとは次元削減を主な用途としていましたが、今ではノイズ除去や異常検知などにも使われています。潜在変数を求めるのに確率分布を使ったものがVAE(Variational Autoencode...

半教師あり学習(semi-supervised Learning)は、識別(Discriminative)モデルと生成(Generative)モデルの両方に使われます。Vol.20では、識別モデルをテーマに取り上げ、分類器に基づく手法のブー...

GAN(Generative Adversarial Networks)は、２つのネットワークが協力し合ってお互い成長してゆく教師なし学習のモデルです。よくあるAIが分類や回帰を役割とするのに対し、GANはその逆プロセスである生成モデルです...

LSTMは記憶打ち切り型通時的逆伝搬の単純RNNを改良して、長期依存を学習できるようにしたRNN拡張モデルです。Vol.17では、3つのゲートと長短2つの記憶ラインからなるLSTMの構造について説明します。前セルからの出力が短期記憶と長期記...

リカレントニューラルネットワークは、時系列で可変長のデータを処理するために再帰構造を持ったモデルです。自然言語処理や音声認識、テキスト分析、機械翻訳、動画分析、パーソナルアシスタントなど、さまざまな技術分野に取り入れられ、畳み込みニューラル...

畳み込みニューラルネットワーク(CNN)は、画像認識などによく使われるニューラルネットワークの構造ですが、最近では自然言語処理(NLP)など他の用途にも使われ始めています。Vol.16では、畳み込み層とプーリング層の役割を解説し、最後の全結...

教師なし学習のクラスタリング(Clustering)は、教師あり学習の分類（Classification)と同じく、対象を特徴点（次元）により分類する技術です。Vol.15では、その代表的なアルゴリズムとして、k平均法と混合ガウス分布につい...

教師あり学習の分類（Classification)アルゴリズムには、2項分類(Two-class Classification）と多項分類(Multi-class Classification）があります。Vol.14では2項分類の代表とし...

機械学習を学ぶ上で、統計学とアルゴリズムの関係を理解することは大事です。Vol.13では、回帰(Regression)に使うアルゴリズムの中から、ベイズ線形回帰、サポートベクター回帰、ランダムフォレストを説明します。これまでに説明してきた線...

強化学習のアルゴリズムにはいくつかあります。Vol.12では、その中からQ-Learningについてチュートリアルをもとに説明し、強化学習の仕組みをきちんと理解します。その上で、salsaやモンテカルロ法、DQN、Rainbowについても簡...

Q学習のQとは何の略なのでしょうか。Vol.11では、その謎を解くためにまずP値を理解します。そのうえで、多重検定とFWER、FDR、BH法などの統計学を順番に理解していきましょう。

最近、注目されている強化学習とはどのような学習方法なのでしょうか。Vol.10では、強化学習を理解する上で重要なバンディットアルゴリズムをＡＢテストと対比しながら理解します。また、シミュレーション法の1つでもあるモンテカルロ法も併せて解説し...

機械学習には、教師あり学習、教師なし学習、強化学習の3つの学習方法があります。これら学習方法と統計学とアルゴリズムの三角関係はどうなっているのでしょうか。Vol.9では、この中から回帰と分類とクラスタリングについて体系的に解説します。

機械学習には、いかに過学習を防ぐかという問題がついてまわります。最近、こうした過学習を防ぐための技術やテクニックがいろいろ出てきました。Vol.8では、その中から正則化（L1ノルム、L2ノルム）やドロップアウト、アンサンブル学習、K分割交差...

機械学習には大量データが必要と言われてきましたが、最近、少ないデータで機械学習する方法がいろいろ登場してきました。Vol.7ではその中から、水増しと転移学習という技術について解説します。

機械学習はデータの量と品質だと概念的にはわかっていても、具体的なところまでは意外とわかっていません。Vol.6では、データの量と品質という意味を正しく理解するとともに、クレンジングの自動化についても解説します。また、ImageNetとILS...

機械学習とディープラーニングの違いの本質を理解しましょう。Vol.5では、そのためにニューラルネットワークの構造と信号が伝わる仕組みを解説します。また、誤差逆伝搬の仕組みを理解すると、なぜ、人工知能が賢くなっていくかの本質がわかります。

機械学習は、学習処理と判定処理に分かれ、それぞれをきちんと理解する必要があります。Vol.4では学習方法として、ミニバッチ学習法やホールドアウト法、アクティブラーニングについて説明します。また、正解率と再現率、精度の関係やバイアスとバリアン...

TensorFlowやCognitive Toolkit、Keras、Caffe、Chainerなど、さまざまなAIライブラリがオープンソースライセンスで公開されています。Vol.3では、現在、主流となっているこれらのライブラリを一覧化し、...

ムーアの法則の終焉を迎え、人工知能の高パフォーマンスを得るためにGPUやFPGAなどの高速チップが普及してきました。また、本格的なIIOT時代を迎えて、クラウドだけでなく現場でAI処理するエッジコンピューティングが急激に発展しています。Vo...