ダミーのためのニューラルネットワーク：包括的なガイド

私たちの脳は信じられないほどのパターン認識マシンです。 それは外界からの「入力」を処理し、それらを分類し（それは犬です;それはピザのスライスです;ああ、それは私に向かってくるバスです！）、そして「出力」（犬をかわいがること;のおいしい味）を生成しますそのピザ;バスの邪魔にならないように！）。
これらすべては、ほとんど意識的な努力なしで、ほとんど衝動的に行われます。 これは、誰かが私たちに怒っているかどうかを感知したり、私たちが速度を上げて停止信号に気づいたりするのとまったく同じシステムです。 心理学者はこの考え方を「システム1」と呼んでおり、知覚や恐怖など、他の動物と共有する先天的なスキルが含まれています。 （「システム2」もあります。これについて詳しくは、 Daniel Kahnemanによる非常に有益なThinking、Fast and Slowをご覧ください）。
これらすべてがニューラルネットワークとどのように関連しているのでしょうか。 待って、すぐに到着します。

上の画像を見てください。通常の数字だけが歪んでいて、ニューラルネットワークの学習をよりよく説明するのに役立ちます。 ざっと見ていても、あなたの心は「192」という言葉であなたを促します。
あなたは確かに「ああ、それは直線のようだ、私はそれが1だと思う」に行かなかった。 あなたはそれを計算しませんでした–それは即座に起こりました。
魅力的ですよね？
これには非常に単純な理由があります。人生で何度も指に出くわしたので、試行錯誤によって、指に少しでも近いものを提示すると、脳は自動的に指を認識します。
データサイエンス、機械学習、ビッグデータの違いは何ですか？

追いかけましょう。

ニューラルネットワークとは正確には何ですか？ それはどのように機能しますか？

定義上、ニューラルネットワークはハードウェアまたはソフトウェアのシステムであり、人間の脳内のニューロンの働きの後にパターン化されています。 基本的に、それはコンピュータが人間のように考え、学ぶのを助けます。 例はこれをより明確にします：
子供の頃、ホットコーヒーマグに触れて火傷した場合は、二度とホットマグに触れないようにしました。 しかし、私たちがそれに触れる前に、良心にそのような傷の概念がありましたか？ あまり。
私たちの周りの世界に対する私たちの知識と理解のこの調整は、パターンの認識に基づいています。 そして、私たちと同じように、コンピューターも同じタイプのパターン認識を通じて学習します。 この学習は、ニューラルネットワークの動作の全体的な基礎を形成します。
従来のコンピュータプログラムは論理ツリーで動作します– Aが発生すると、Bが発生します。 各システムのすべての潜在的な結果は、事前にプログラムすることができます。 ただし、これにより柔軟性の範囲が失われます。 そこには学習はありません。
そして、そこでニューラルネットワークが登場します！ ニューラルネットワークは、特定のロジックなしで構築されます。 基本的に、これはデータ内のパターンを探して適応するように訓練されたシステムです。 それは私たち自身の脳がどのように機能するかを正確にモデル化しています。 各ニューロン（アイデア）はシナプスを介して接続されています。 各シナプスには、2つのニューロン間の接続が発生する確率または可能性を表す値があります。 下の画像を見てください：

ニューロンとは正確には何ですか？
簡単に言えば、ニューロンは単なる特異な概念です。 マグカップ、色は白、お茶-、熱いマグカップに触れることの灼熱感、基本的には何でも。 これらはすべて可能なニューロンです。 それらはすべて接続することができ、それらの接続の強さはそれらのシナプスの値によって決定されます。 値が高いほど、接続が良好になります。 理解を深めるために、 1つの基本的なニューラルネットワーク接続を見てみましょう。

各ニューロンはノードであり、それらを結ぶ線はシナプスです。 シナプス値は、1つのニューロンが他のニューロンと並んで見つかる可能性を表します。 したがって、上の画像に示されている図は、色が白で非常に熱いコーヒーを含むマグカップを示していることは明らかです。
自然言語生成：知っておくべき重要事項

すべてのマグカップは、問題のような特性を持っているわけではありません。 他の多くのニューロンをマグカップに接続できます。 たとえば、お茶はコーヒーよりも一般的です。 2つのニューロンが接続される可能性は、それらを接続するシナプスの強度によって決まります。 ホットマグの数が多いほど、シナプスは強くなります。
しかし、マグカップが温かい飲み物を入れるために使用されていない世界では、温かいマグカップの数は大幅に減少します。 ちなみに、この減少はまた、マグカップを熱に接続するシナプスの強度を低下させる結果になります。
それで、

になる

マグカップのこの小さくて一見重要ではない説明は、ニューラルネットワークのコア構造を表しています。
テーブルに置いてあるマグカップに触れると、暑いことがわかります。 すべてのマグカップが熱いと思わせます。 次に、別のマグカップに触れます。今回は棚に置いてあるマグカップですが、まったく熱くありません。 棚のマグカップは熱くないと結論付けています。 私たちが成長するにつれて、私たちは進化します。
私たちの脳はずっとデータを取り入れてきました。 このデータにより、これから触れるマグカップが熱くなるかどうかについての正確な確率が決まります。 ニューラルネットワークはまったく同じ方法で学習します。
それでは、ニューラルネットワークの最初で最も基本的なモデルであるパー​​セプトロンについて少し話しましょう。

パーセプトロンとは何ですか？

パーセプトロンは、ニューラルネットワークの最も基本的なモデルです。 複数のバイナリ入力（x1、x2、…）を受け取り、単一のバイナリ出力を生成します。

アナロジーの助けを借りて、上記のニューラルネットワークをよりよく理解しましょう。
あなたが仕事に歩いているとしましょう。 仕事に行くかどうかの決定は、主に天気と平日かどうかという2つの要因に基づいています。 天候要因はまだ管理可能ですが、週末に働くことは大したことではありません！ バイナリ入力を処理する必要があるため、条件を「はい」または「いいえ」の質問として提案しましょう。 天気はいいですか？ はいの場合は1、いいえの場合は0。 平日ですか？ 1はい、0いいえ。
自然言語理解の初心者向けガイド

これらの条件をニューラルネットワークに明示的に伝えることはできないことを忘れないでください。 それはそれ自身のためにそれらを学ぶ必要があるでしょう。 決定を下す際に、これらの要素の優先順位をどのように決定しますか？ 「ウェイト」と呼ばれるものを使用する。 重みは、設定の単なる数値表現です。 重みが高いほど、ニューラルネットワークはその入力を他の入力よりも優先度が高いと見なします。 これは、上記のフローチャートのw1、w2…で表されます。
「さて、これはすべてかなり魅力的ですが、ニューラルネットワークは実際のシナリオでどこで機能するのでしょうか？」

ニューラルネットワークの実際のアプリケーション

まだ理解していない場合は、ここにあります。適切なパラメータを取得するのに十分なデータと効率的なマシンを取得できる限り、ニューラルネットワークはほとんどすべてを実行できます。 機械学習をリモートで必要とするものはすべて、ニューラルネットワークに助けを求めます。 ディープラーニングは、ニューラルネットワークを広範に利用するもう1つのドメインです。 これは、コンピューターが分類、クラスタリング、予測などの多数のタスクを実行できるようにする多くの機械学習アルゴリズムの1つです。

• ニューラルネットワークの助けを借りて、従来のアルゴリズムの方法が高価であるか存在しないような問題の解決策を見つけることができます。
• ニューラルネットワークは例によって学習できるため、大規模にプログラムする必要はありません。
• ニューラルネットワークは正確で、従来の速度よりも大幅に高速です。

上記の理由やその他の理由により、ディープラーニングはニューラルネットワークを利用することにより、次の分野で広範囲に使用されています。

• 音声認識： Amazon Echo Dotの例を見てみましょう。これは、食べ物を注文したり、ニュースや天気の最新情報を入手したり、話しかけるだけでオンラインで何かを購入したりできる魔法のスピーカーです。
• 手書き認識：ニューラルネットワークは、誰かの手書きのパターンを理解するようにトレーニングできます。 Googleの手書き入力アプリケーションをご覧ください。手書き認識を利用して、落書きを意味のあるテキストにシームレスに変換します。
• 顔認識：携帯電話のセキュリティの向上（Face ID）から超クールなSnapchatフィルターまで、顔認識はどこにでもあります。 Facebookに写真をアップロードしたことがあり、写真に写っている人物にタグを付けるように求められた場合は、顔認識とは何かを知っています。
• ゲームでの人工知能の提供：コンピューターに対してチェスをプレイしたことがある場合は、人工知能がゲームとゲーム開発にどのように役立つかをすでに知っています。 プレイヤーがAIを使用して戦術を改善し、戦略を直接試す程度です。

結論は…
ニューラルネットワークは、今日目にするほとんどすべての大きなテクノロジーや発明のバックボーンを形成しています。 ニューラルネットワークなしでディープラーニング/機械学習を想像することはほぼ不可能であると言っても過言ではありません。 ネットワークの実装方法と使用する学習の種類によっては、従来のコンピューターシステムと比較して、ニューラルネットワークから多くのことを達成できます。

世界のトップ大学からMLコースを学びましょう。 マスター、エグゼクティブPGP、または高度な証明書プログラムを取得して、キャリアを迅速に追跡します。