基本語彙

人工知能: 人間の知能を再現するための知的なコンピュータのプログラム．

機械学習のアルゴリズム
強化学習: 報酬が最も多い方法を学習．
決定着: 枝分かれでデータを分類．
ニューラルネットワーク: 脳の神経細胞ネットワークを模倣．

ディープラーニング: 多層で構成されるニューラルネットワークを用いた機械学習．

重み: シナプスの伝達効率．入力の影響度．
バイアス: ニューロンの感度．ニューロンがどれだけ興奮しやすいか．高ければ出力がより1に近づく．

ニューラルネットワーク

ニューロン

学習の仕組み

出力と正解の誤差が小さくなるように重みとバイアスを調整する．
誤差逆伝搬法 (バックプロパゲーション): 誤差を出力から入力へ向かって誤差を逆伝搬し，重みとバイアスを更新する学習アルゴリズム．

パラメータの更新 (出力層)

1. 修正量のベース\sigma_0を求める．
   \sigma_0 = (出力 - 正解) \times 活性化関数の微分形
2. \sigma_0を使って，重みとバイアスの修正量を求める．
   重みの修正量 = -学習係数 \times \sigma_0 \times 入力
   バイアスの修正量 = -学習係数 \times \sigma_0

パラメータの更新 (中間層)

1. \sigma_0を用いて，中間層における修正量のベース\sigma_mを求める．
   \sigma_m = \sigma_0 \times 出力にかける重み \times 活性化関数の微分形
2. \sigma_mを使って，重みとバイアスの修正量を求める．
   重みの修正量 = -学習係数 \times \sigma_m \times 入力
   バイアスの修正量 = -学習係数 \times \sigma_m