いま「ゼロから作るDeep Learning」で深層学習の勉強をしていて、コードは組めるようになったものの、「なぜ行列の掛け算で特徴が抽出できるのか」で悩んでおります。
「そういうもの」にしておくのは納得がいかないんです...
線形代数は趣味で多少かじった(まだ高校生です)ぐらいですが、何方かご教授お願いします(._.)
気になる質問をクリップする
クリップした質問は、後からいつでもMYページで確認できます。
またクリップした質問に回答があった際、通知やメールを受け取ることができます。
バッドをするには、ログインかつ
こちらの条件を満たす必要があります。
回答4件
0
ベストアンサー
行列が最も簡単な関数の形だからでしょうか?
多次元になっていますが、所詮一次方程式です。
高校ならば微分積分をもうやったか、これからやるのかもしれませんが、一次関数の微分積分は非常に容易です。
結局何かよくわからない関数を表現することが深層学習の目的です。
そして、その関数を決めるためのパラメータを決定するために微分を計算できればいいことが知られています。
ならば、1番簡単な一次方程式(線形方程式)から始めよう、というだけのことです。
例えば、二次方程式の解の数は複雑です。
最大で2までありえます。
そのようなものを自動的に計算するのは大変なのです。
線形近似についても調べて見ると良いかもしれません。
テイラー展開して、一次までを取り出すと線形方程式になります。
投稿2018/08/06 10:48
編集2018/08/06 10:49総合スコア8560
0
知りたいのはこの話?
https://nnadl-ja.github.io/nnadl_site_ja/chap4.html
ただ、「ニューラルネットワーク 表現力」で検索しただけだけど。
投稿2018/08/06 16:29
編集2018/08/06 16:35総合スコア1984
バッドをするには、ログインかつ
こちらの条件を満たす必要があります。
0
参考情報
- 機械学習・AIに必要な数学の分野って?
https://www.capa.co.jp/archives/18629
...
AIと機械学習に必要な分野として「線形代数」「微分積分」「統計」という3つの分野を挙げることができます。線形代数は、複数の値を一つの式で扱うときに使い、機械学習の中で最も必要な数学の分野といえるでしょう。微分・積分は、機械学習で特に学習に用いられます。この分野では、数多くあるデータを分ける線を作りその線から分類分けをすることや未来のデータの値を予測するときに使われます。統計学は、目標(今までのデータを基にあるものを予測すること)を設定するのに用いられます。機械学習が統計学の手法を用いて予測を行うこともしばしばあります。
...
現状のコンピュータでの機械学習ライブラリーでは 多次元の特徴点 -> 多次元データの変換のように処理しているので、自然と行列演算が必要となっているのだと思います。
投稿2018/08/06 22:26
総合スコア22324
バッドをするには、ログインかつ
こちらの条件を満たす必要があります。
0
ゼロから作るDeep Learningはとてもよくできた書籍で冒頭から順に読みながらコードを書き、計算結果の中身を観察するとDeep Learningの基本的事項が理解できるようになっています。したがって、ご質問のような疑問がでるということは2章あたりの理解が不十分なような気がします。2章が理解できていないと3章の理解は難しく、最終的にはご質問の部分に該当する7章が腑に落ちないのは仕方がない気がします。
改めて、最初から読んでみて納得のいかない部分を確認してはいかがでしょうか
投稿2018/08/06 14:08
総合スコア3376
バッドをするには、ログインかつ
こちらの条件を満たす必要があります。
あなたの回答
tips
太字
斜体
打ち消し線
見出し
引用テキストの挿入
コードの挿入
リンクの挿入
リストの挿入
番号リストの挿入
表の挿入
水平線の挿入
プレビュー
質問の解決につながる回答をしましょう。 サンプルコードなど、より具体的な説明があると質問者の理解の助けになります。 また、読む側のことを考えた、分かりやすい文章を心がけましょう。
バッドをするには、ログインかつ
こちらの条件を満たす必要があります。
2018/08/06 13:01
2018/08/06 13:06
2018/08/06 22:34