回答編集履歴
2
edit
test
CHANGED
|
@@ -63,3 +63,9 @@
|
|
|
63
63
|
テンプレートマッチングでは枚数を増やすと教師データ数に対して線形に計算時間がかかるようになります。
|
|
64
64
|
|
|
65
65
|
深層学習では教師データを増やしても、1枚のテンプレートに判定に有利な特徴だけを追加していると考えれば、データを用意すればするほど精度が上がる仕組みが出来上がります。
|
|
66
|
+
|
|
67
|
+
|
|
68
|
+
|
|
69
|
+
以上のことを考えると深層学習でサンプル数を減らすのはデータを集められないとき以外メリットがないのです。
|
|
70
|
+
|
|
71
|
+
逆にRandomForest、SVMなどと比べた時にサンプル数を無限に増やしても計算量が発散しないことが強みだと捉えるべきのように思います。
|
1
edit
test
CHANGED
|
@@ -3,6 +3,10 @@
|
|
|
3
3
|
人は新しく何かを学習する時、過去に学習したデータを利用します。
|
|
4
4
|
|
|
5
5
|
転移学習のモチベーションに近いです。
|
|
6
|
+
|
|
7
|
+
https://qiita.com/icoxfog417/items/48cbf087dd22f1f8c6f4
|
|
8
|
+
|
|
9
|
+
（追記：書いてから気づいたのですが、転移学習ってサンプル数を減らすための取り組みなのでは…）
|
|
6
10
|
|
|
7
11
|
|
|
8
12
|
|