Japanese
English
連載 脳神経外科と数理学
(2)ニューラルネットワーク
(2)Neural Network
原田 達也
1
Tatsuya HARADA
1
1東京大学先端科学技術研究センター
1Research Center for Advanced Science and Technology, University of Tokyo
キーワード:
feed-forward neural network
,
convolutional neural network
,
recurrent neural network
,
autoencoder
,
generative adversarial network
Keyword:
feed-forward neural network
,
convolutional neural network
,
recurrent neural network
,
autoencoder
,
generative adversarial network
pp.173-188
発行日 2020年2月10日
Published Date 2020/2/10
DOI https://doi.org/10.11477/mf.1436204155
- 有料閲覧
PPV購入案内
1,320円 (1,200円+税10%) こちらは、173ページから188ページの文献です。
PPV(ペイ・パー・ビュー)とは、論文(記事)単位で購入・閲覧ができるサービスです。
購入には医書.jp本会員登録が必要です。
会員登録完了後に改めて上記「購入サイトへ」を選択してください。
または「購入サイトへ」選択後に「購入ログイン」、「新規会員登録」の順に進んでください。
会員登録について詳しくはをご確認ください。
購入には医書.jp本会員登録が必要です。
会員登録完了後に改めて上記「購入サイトへ」を選択してください。
または「購入サイトへ」選択後に「購入ログイン」、「新規会員登録」の順に進んでください。
会員登録について詳しくはをご確認ください。
- Abstract 文献概要
- 1ページ目 Look Inside
- 参考文献 Reference
Ⅰ.はじめに
近年の人工知能ブームにおいて,中心となっている手法は深層ニューラルネットワーク(deep neural network)である.深層ニューラルネットワークはネットワークを構成する層の数を増やしたものであるが,学習テクニックや計算機の進展,大量のデータの入手容易性により,ニューラルネットワークの予測精度は飛躍的な向上を遂げ,画像認識,音声認識,自然言語処理などの幅広い分野で成功を収めている.そこで本稿では,ニューラルネットワークを理解するための基本的事項について解説する.

Copyright © 2020, Igaku-Shoin Ltd. All rights reserved.

