参考書籍

『機械学習と深層学習-C言語によるシミュレーション-』

(2016年/著者:小高知宏/発行人:村上和夫/発行所:株式会社オーム社)

前回の続きです。

・機械学習と深層学習の関係性

本書の中では、深層学習は機械学習の1種として見ている様です。

ただ、その影響力はかなり大きい様です。

今回はその大枠である「機械学習」の概要をまとめていきます。

◎機械学習

機械、つまりコンピュータプログラムが学習を行うことであり、コンピュータプログラムが外界と相互作用してその結果に応じて内部状態を変更する過程のことを言います。

「機械学習」と言うと最近出始めた言葉の様に感じられるかもしれませんが、もっと前からその技術は使われてきた様です。

例えば今こうしてキーボードを押して文字を打ち、スペースキーで文字を変換しているのですが、何回か同じ漢字を使用していると変換先の候補が出てきて使用頻度の高い文字が先頭に出てきます。

恐らく、ほとんどの人が使ったことがあるであろうかな文字を漢字に変換するシステムは実機械学習の1つ例なのだそうです。

◎機械学習の分類

・記号処理

記号処理・記号操作の技術を基礎とした学習法

(ex)帰納学習、教示学習、進化的学習など

・統計的処理

学習データを効率的なデータであると仮定し、

これに主として数学的な処理施すことで学習を進める

(ex)統計的手法(回帰分析、クラスタ分析、主成分分析)、

ニュートラルネットワーク、深層学習

書いておいて言うのもなんですが、よく分かりませんね(笑)

(とりあえず、深層学習は統計的処理の例だというのが分かった。)

記号処理(分類上の意味)の例は、ビッグデータからのテキストマイニングがあるそうです。

*textmining:大規模な文書データを機械学習によって処理することで、文書に含まれる知識を抽出する技術のこと(だそうです。勉強になりました。)

テキストデータを記号処理し、その結果を記号の操作によって分類分析することで機械学習を行います。

以下のような行程を辿り、知識を獲得していきます。

ビッグデータ→大量のテキストデータ→「テキストマイニング(知識の抽出)」→抽出された知識

@進化的学習

記号学習の1例に「進化的学習」とありましたが、なんでしょう。これ。

一言でいうと、生物の持つ遺伝の仕組みを記号処理によって実現させた学習方法だそうです。

どうも生物科目の遺伝や神経の仕組みをイメージしたものが多い様です。

統計的処理の一例である「人工ニューラルネットワーク(Artificical Neural NetWork:ANN)」も生物の神経細胞の回路をモデル化したものです。(単に、ニューラルネットとも言う。)

ニューラルネットは、神経細胞である人口ニューロンを相互結合したネットワークワークのことです。

ニューラルネットでは、ある決まりに従って複数の人工ニューロンを結合し、入力信号に対する出力を生成します。

この時、特定の入力に対してある出力信号が得られるようにネットワークを調整することを、ニューラルネットにおける学習としています。

(1)人工ニューロン


(2)ニューラルネット

*なお、統計的処理手法の1種であるニューラルネットワークで記号処理を行うことも可能であり、反対に記号処理に基づいて統計的な処理を行うことも出来ます。

続きはまた次回。