2021年に注目すべき10の重要なディープラーニングアルゴリズム

[[416068]]

[51CTO.com クイック翻訳]人間が未来を予測することは困難ですが、人工知能などの新興技術を利用することで、開発の傾向を理解するのに役立ちます。

研究者やアナリストによると、2024年までに世界中で利用されるデジタルアシスタントの数は84億に達すると予想されています。 AI の主な使用例には、ハイパーパーソナライゼーション、チャットボット、予測行動分析などがあります。人工知能は人々の仕事と生活に革命をもたらし、私たちを予測不可能な未来へと導きます。人工知能技術の応用は止められないように思えますが、最も重要な 2 つの技術分野は機械学習とディープラーニングです。

機械学習技術を使用して、毎日送信される 3,000 億通の電子メールの中からスパムを検出できます。しかし、近年では、ディープラーニングは、その高い精度、有効性、効率性、大量のデータ処理能力により、広く利用されるようになりました。ディープラーニングは機械学習の一分野であり、学習を複数の概念レベルに分割し、各レベルには優れた柔軟性とパワーが備わっています。

ディープラーニング アルゴリズムは、人工ニューラル ネットワークを使用して、大量のデータに対して複雑な計算を実行できるようにマシンをトレーニングします。ディープラーニング アルゴリズムにより、機械は人間の脳と同じようにタスクを実行し、データを処理できるようになります。ディープラーニング アルゴリズムは人工ニューラル ネットワークに大きく依存しており、人間の脳の構造機能に基づいて動作します。以下は、ビッグデータの時代に誰もが知っておくべき 10 の主要なディープラーニング アルゴリズムのリストです。

1. オートエンコーダ

オートエンコーダーはフィードフォワード ニューラル ネットワークであり、入力と出力が同じであるディープラーニング アルゴリズムの一種です。これは、教師なし学習の問題を解決するために、1980 年に Geoffrey Hinton によって開発されました。入力層から出力層にデータを転送するトレーニング済みのニューラル ネットワークを備えています。オートエンコーダの重要な使用例としては、画像処理、薬物回収、人口予測などがあります。

オートエンコーダの 3 つの主要コンポーネントは次のとおりです。

• エンコーダ
• コーダー
• デコーダ

2. 制限付きボルツマンマシン (RBM)

制限付きボルツマンマシン (RBM) は、入力セットではなく確率分布から学習できる確率的ニューラル ネットワークです。このディープラーニング アルゴリズムは、Geoffrey Hinton によって開発され、トピック モデリング、特徴学習、協調フィルタリング、回帰、分類、次元削減に使用されます。

制限付きボルツマンマシン (RBM) は 2 つの段階で動作します。

• 前方パス
• バックパス

さらに、次の 2 つのレイヤーで構成されています。

• 隠しユニット
• 表示単位

表示されている各ユニットは、既存のすべての非表示ユニットに接続されています。制限付きボルツマン マシン (RBM) にも、すべての隠しユニットと可視ユニットに接続されたバイアス ユニットがありますが、出力ノードはありません。

3. 自己組織化マップ（SOM）

自己組織化マップ (SOM) は、自己組織化人工ニューラル ネットワークを通じてデータの視覚化を可能にし、データの次元を削減します。このディープラーニングアルゴリズムは、Teuvo Kohonen 教授によって開発されました。データの視覚化は、高次元データを処理する際に人間が視覚化するのが困難な問題を解決できます。自己組織化マップ (SOM) は、高次元情報をよりよく理解するために開発されました。

4. 多層知覚（MLP）

ディープラーニング アルゴリズムの学習を始めるのに最適なのは、多層パーセプトロン (MLP) です。これはフィードフォワードニューラルネットワークのカテゴリに属し、活性化関数の多くの知覚層を含みます。完全に接続された 2 つのレイヤーで構成されます。

• 入力レイヤー
• 出力層

多層パーセプトロン (MLP) には、同じ数の入力層と出力層が含まれ、異なる隠し層を持つ場合があります。マルチレイヤー知覚 (MLP) の重要な使用例には、画像認識、顔認識、機械翻訳ソフトウェアなどがあります。

5. ディープビリーフネットワーク（DBN）

ディープ ビリーフ ネットワーク (DBN) には、潜在変数とランダム変数の複数の層があります。潜在変数は隠れユニットと呼ばれることが多く、バイナリ値が含まれます。これらは、層間が接続されたボルツマン マシンのスタックです。各制限付きボルツマン マシン (RBM) レイヤーは、後続のレイヤーと前のレイヤーに接続されます。 Deep Belief Networks (DBN) の使用例には、ビデオ認識、画像認識、モーション キャプチャ データなどがあります。

6. ラジアル基底関数ネットワーク (RBFN)

ラジアル ベース関数ネットワーク (RBFN) は、ラジアル ベース関数を活性化関数として使用する特殊なタイプのフィードフォワード ニューラル ネットワークです。次のレイヤーが含まれます。

• 入力レイヤー
• 隠しレイヤー
• 出力層

放射基底関数ネットワーク (RBFN) レイヤーは、回帰、分類、時系列予測に使用されます。

7. 生成的敵対ネットワーク (GAN)

生成的敵対的ネットワーク (GAN) は、トレーニング データに類似した新しいデータ インスタンスを作成するディープラーニング アルゴリズムです。敵対的生成ネットワーク (GAN) は、リアルな画像や漫画のキャラクターの生成、人間の顔の画像の作成、3D オブジェクトのレンダリングに役立ちます。生成的敵対的ネットワーク (GAN) は、ビデオ ゲーム開発者がトレーニングを通じて画像の解像度を高めるために使用されます。

敵対的生成ネットワーク (GAN) には、2 つの重要なコンポーネントがあります。

• ジェネレーター: 偽のデータを生成できます。
• 識別器: 偽の情報から学習することができます。

8. リカレントニューラルネットワーク (RNN)

リカレント ニューラル ネットワーク (RNN) は、有向サイクルの形成に役立つ接続で構成されており、これにより、長短期記憶ネットワーク (LSTM) の出力を現在のステージへの入力として提供できます。リカレントニューラルネットワーク (RNN) は、内部メモリにより以前の入力を記憶することができます。リカレント ニューラル ネットワーク (RNN) の一般的な使用例としては、手書き認識、機械翻訳、自然言語処理、時系列分析、画像キャプション作成などがあります。

9. 畳み込みニューラルネットワーク (CNN)

畳み込みニューラル ネットワーク (CNN) は、畳み込みネットワークとも呼ばれ、多くの層で構成されており、主に物体検出と画像処理に使用されます。最初の畳み込みニューラル ネットワーク (CNN) は、1988 年に Yann LeCun によって開発され、導入されました。当時はLeNetと呼ばれ、主に数字や郵便番号などの文字認識に使用されていました。畳み込みニューラル ネットワーク (CNN) の重要な使用例には、医療画像処理、衛星画像認識、時系列予測、異常検出などがあります。

以下は、データ処理とデータからの特徴の抽出において重要な役割を果たす畳み込みニューラル ネットワーク (CNN) の主要なレイヤーの一部です。

• 畳み込み層
• 整流線形ユニット (ReLU)
• プーリング層
• 完全接続層

10. 長期短期記憶（LSTM）

長短期記憶 (LSTM) ネットワークは、長期的な依存関係を学習して記憶できるリカレント ニューラル ネットワーク (RNN) の一種です。長期短期記憶ネットワーク (LSTM) は過去の情報を長期間記憶することもできます。時間の経過に伴う変化に関する情報が保存されるため、時系列予測に有益であることが証明されています。 4 つの相互作用する層が独自の方法で接続して通信するチェーンのような構造になっています。長短期記憶ネットワーク (LSTM) は、時系列予測に使用されるだけでなく、医薬品開発、音楽作曲、音声認識にも使用されます。

結論は

情報がなくてもデータは得られますが、データがなければ情報は得られません。ディープラーニングのアルゴリズムと技術が今日人気を集めているのは、主に大量のデータを処理して情報に変換できるためです。ディープラーニングは、その隠し層アーキテクチャを通じて、最初に低レベルのカテゴリ (文字など) を定義し、次に中レベルのカテゴリ (単語など)、最後に高レベルのカテゴリ (文など) を定義します。いくつかの予測によれば、ディープラーニングはサプライチェーンの自動化に革命をもたらすことになるだろう。

百度の主任科学者であり、Google Brain プロジェクトの著名なリーダーの一人であるアンドリュー・ン氏は、「ディープラーニングの応用において、ディープラーニング モデルはロケット エンジンであり、膨大なデータはこれらのロケット エンジンの燃料である」と指摘しました。

テクノロジーの進化と発展は決して止まることはありません。ディープラーニングの技術とアルゴリズムも同様です。絶えず進化するこの世界で競争力を維持するには、誰もが最新の技術の進歩に遅れずについていく必要があります。

原題: 2021 年に注目すべき 10 の重要なディープラーニング アルゴリズム、著者: Aliha Tanveer

[51CTOによる翻訳。パートナーサイトに転載する場合は、元の翻訳者と出典を51CTO.comとして明記してください]