Deep Learning

深層学習（深層構造化学習とも呼ばれます）は、表現学習を備えた人工ニューラルネットワークに基づく機械学習手法の幅広いファミリーの一部です。学習は、教師あり、半教師あり、または教師なしにすることができます。

ディープニューラルネットワーク、ディープビリーフネットワーク、ディープ強化学習、リカレントニューラルネットワーク、畳み込みニューラルネットワークなどのディープラーニングアーキテクチャは、コンピュータービジョン、音声認識、自然言語処理、機械翻訳、バイオインフォマティクス、ドラッグデザイン、医療などの分野に適用されています。画像分析、気候科学、材料検査、ボードゲームプログラムでは、人間の専門家のパフォーマンスに匹敵する、場合によってはそれを超える結果が得られています。

人工ニューラルネットワーク（ANN）は、生物学的システムにおける情報処理と分散型通信ノードに触発されました。 ANNは生物学的脳とはさまざまな違いがあります。具体的には、人工ニューラルネットワークは静的で象徴的である傾向がありますが、ほとんどの生物の生物学的脳は動的（可塑性）でアナログです。

ディープラーニングの形容詞「ディープ」とは、ネットワーク内で複数のレイヤーを使用することを指します。初期の研究では、線形パーセプトロンは普遍的な分類器にはなり得ないが、無制限の幅の1つの隠れ層を持つ非多項式の活性化関数を持つネットワークは可能であることが示されました。ディープラーニングは、制限されたサイズの無制限の数のレイヤーに関係する最新のバリエーションであり、穏やかな条件下で理論的な普遍性を維持しながら、実用的なアプリケーションと最適化された実装を可能にします。ディープラーニングでは、効率、トレーニング可能性、理解しやすさのために、レイヤーが不均一であり、生物学的に情報に基づいたコネクショニストモデルから大きく逸脱することも許可されます。