Core Concepts
深層学習におけるニューラルネットワークの数学的理解と重要性
Abstract
近年の機械学習の進歩は、深層学習を中心とするディープニューラルネットワークによって牽引されています。コンピュータビジョンや自然言語処理などで、単純な技術と現代の計算リソースを組み合わせることで、以前は困難だった高次元タスクが実現可能になりました。機械学習は人工知能の一部であり、アルゴリズムが問題についてより多くのデータを受け取ることでパフォーマンスを向上させることができます。この講義では、数学者の視点からニューラルネットワークの基本用語や機能に焦点を当てています。
1943年以来、生物神経細胞の働きに着想を得た計算モデルの使用が提案されてきました。これらの努力は実践的な神経回路網への応用ではなく、主にその時期においては学術的興味本位として見られていました。しかし、新しい千年紀初頭にプログラム可能なGPU(グラフィックス処理装置)が登場したことで、これらの状況が変化しました。
深層ニューラルネットワークは現代的なディープラーニング時代の始まりと見なすことができます。しかし、10年以上も続く驚異的な実験結果にもかかわらず、深層学習がうまく機能する理論的理解は不足しています。これは特に数学者にとって理解や改善の機会を提供しています。
このコースでは、ニューロンから始まり深層ニューロンへ進み、幾何学を神経回路網に適用する新しいアプローチを取り上げます。
Stats
10年以上も続く驚異的な実験結果
ニューロンから始まり深層ニューロンへ進むアプローチ
Quotes
"You insist that there is something a machine cannot do. If you tell me precisely what it is a machine cannot do, then I can always make a machine which will do just that." - John von Neumann
"As a technical discussion grows longer, the probability of someone suggesting deep learning as a solution approaches 1." - comment on Youtube anno 2020