深層学習（ディープ・ラーニング）

　多層化したニューラル・ネットワークを用いることで、より高度な能力を実現する機械学習の手法のひとつです。 典型的なニューラルネットワークは、3層構造がよく挙げられ、入力層、中間層、出力層から構成されていますが、深層学習は、その層の数がさらに多くなっているということを指しています。 ディープラーニング（深層学習）とは、機械学習の手法の1つ。「分けるための軸を自分で見つけることができる」ものを言います。

十分なデータ量があれば、機械が自動的に特徴を抽出してくれ、特に画像認識の領域でよく用いられています。

層の多いニューラルネットワークはDNN（Deep Neural Network）と呼ばれます。層が多いのは、数百層、数千層のものもあります。ただし、層が多ければ、多いほど良いというわけではりません。結果とコストパフォーマンスが判断の基準となります。

深層学習のネットワークモデルには様々な種類があります。

●　畳み込みニューラルネットワーク（Convolutional Neural Network）

　全結合していない順伝播型ニューラルネットワークの一種。特に2次元の畳込みニューラルネットワークは人間の視覚野のニューロンの結合と似たニューラルネットワークであり、人間の認知とよく似た学習が行われることが期待される。結合がスパース（疎）であるため、全結合しているニューラルネットワークに比べて学習が高速である。

●　回帰型ニューラルネットワーク（Recurrent Neural Network）

　有向閉路を持つニューラルネットワークのこと。それ以前の入力によって変化する状態を保持する（オートマトン）。動画像、音声、言語など、入力データの順序によって出力が変わる場合に有効である。

●　敵対的生成ネットワーク（Generative Adversarial Networks）

　2つのニューラルネットワークを互いに競わせて入力データの学習を深めていく

●　オートエンコーダ（Auto Encoder）

　オートエンコーダ（自己符号化器）とは、ニューラルネットワークの1つです。入力されたデータを一度圧縮し、重要な特徴量だけを残した後、再度もとの次元に復元処理をするアルゴリズムを意味します

●　Long short-term memory(LSTM)

　リカレントニューラルネットワークの一種であるLong short-term memory(LSTM)の存在感が増してきています。LSTMは現在Google Voiceの基盤技術をはじめとした最先端の分野でも利用されていますが、その登場は1995年とそのイメージとは裏腹に歴史のあるモデルでもあります

　⇒