深層学習 (ディープラーニング) の基礎的・根本的な原理を徹底的に理解しよう

深層学習のソフトウェアの使い方を解説する本が多く出版されています。これらを実際に使ったご経験のある方は増えていると思います。プログラムは指示通りに動いてくれますが、一方で何かが不足していると感じませんか?それは、根本的な原理の理解です。深層学習の基本原理が理解できると、以下のように一段高い場所から深層学習が見えてくるようになります。

• 現在の深層学習の全体像を把握できる。
• 次々に発表される先端研究のおおまかな把握が楽になる。
• 効果的でユニークなアプリケーション開発が可能となる。

　本講座では、深層学習で広く用いられている代表的な学習アルゴリズムについてわかりやすく解説します。

1. 深層学習のいろいろ
   1. 深層学習の3つの流れ
   2. 代表的な深層学習
      1. 階層型ニューラルネットワーク
      2. リカレントニューラルネットワーク
      3. 畳み込みニューラルネットワーク
      4. 深層ボルツマンマシン
2. 最急降下法
   ～ニューラルネットワークの基本原理～ を理解しよう
   1. ニューラルネットワークを最も単純化しよう
      ～簡単なディジタルフィルタとして～
   2. 誤差を小さくするためには
   3. 微分の復習
   4. 学習アルゴリズムの導出
      ～何とこんなにシンプルなアルゴリズムになる～
3. ニューラルネットワークに適用しよう
   ～誤差逆伝播法 (バックプロパゲーション) ～
   1. 出力層に近い層は簡単
   2. 1層奥に入るにはアイデアが必要だった ～誤差を逆方向に伝搬させる～
   3. 非線形性が効果的である理由を理解しよう
   4. 実際の応用例
4. 畳み込みニューラルネットワーク
   1. 単純型細胞と複雑型細胞
   2. 畳み込み
   3. プーリング
   4. 学習の概要
      ～ここでも誤差を逆方向に～
   5. 実際の応用例
5. 深層学習の課題と今後の発展
   1. 現在の深層学習の課題
   2. 今後の発展の方向性
6. まとめ
• 質疑応答