G検定

1. 定義と概要 Wide ResNetとは、画像認識で広く使われるCNN（畳み込みニューラルネットワーク。画像の特徴を捉えるのに適したディープラーニングの代表…

1. 定義と概要 WaveNetとは、音声の波形を1サンプルずつ、自己回帰モデル（それまでに生成した結果を使って次の値を予測する仕組み）として生成する深層学習モ…

1. 定義と概要 バリアンスとは、訓練データの選び方を変えたときに、モデルの予測結果がどれだけ変動するかを表す指標です。モデルが訓練データに含まれる細かな特徴や…

1. 定義と概要 検証データとは、訓練データで学習を終えたモデルのハイパーパラメータ（モデル自身では学習できない、人があらかじめ決めておく設定値。層の数や学習率…

1. 定義と概要 アップサンプリングとは、畳み込み層やプーリング層を通過して縮小された特徴マップの縦横サイズを、より大きな解像度へ引き上げる処理の総称です。代表…

1. 定義と概要 教師なし学習とは、正解ラベルが付いていないデータを用いて、データそのものが内包する構造や類似性、関連性を機械が自ら見つけ出す機械学習の学習方式…

1. 定義と概要 U-Netとは、2015年にRonneberger氏らが医用画像のセグメンテーション向けに提案したネットワークです。ネットワーク図の形がアルフ…

1. 定義と概要 未学習（アンダーフィッティング）とは、モデルの表現力（複雑な関係やパターンをどれだけ細かく捉えられるかというモデルの能力）や学習量が不足し、訓…

1. 定義と概要 訓練誤差（training error）とは、モデルの学習に用いた訓練データに対して、モデルが出した予測値と実際の正解値がどれだけ食い違ってい…

1. 定義と概要 訓練データ（training data）とは、機械学習モデルが持つパラメータ（重みやバイアスなど、学習によって調整される数値）を実際に学習させ…