← JDLA Deep Learning for GENERAL（G検定）用語解説目次へ 4 / 8

4. ディープラーニングの概要

Chapter 4

ディープラーニングの概要の用語を順に解説します。

ニューラルネットワークとパーセプトロン | JDLA Deep Learning for GENERAL（G検定）

ニューラルネットワークとパーセプトロンとはニューラルネットワークは重み付き和と非線形変換を層状に組み合わせたモデルで、パーセプトロンはその基礎となる構成です。具体例多層化と非線形活性化により単純な線形分離を超える関数を近似できます。もう少し詳しくこの用語は単独で暗記せず、目的、入力、処理、結果、適用できない境界の順に説明できるようにします。実務では前提条件と評価基準を明記し、期待した結果と実測結果を区別します。似た用語を見分けるときは、誰が何を判断するのか、いつ実施するのか、成果物が何かを比較します。名

4. ディープラーニングの概要

ニューラルネットワークとパーセプトロン | JDLA Deep Learning for GENERAL（G検定）

活性化関数 | JDLA Deep Learning for GENERAL（G検定）

損失関数 | JDLA Deep Learning for GENERAL（G検定）

誤差逆伝播法 | JDLA Deep Learning for GENERAL（G検定）

勾配降下法と最適化手法 | JDLA Deep Learning for GENERAL（G検定）

正則化 | JDLA Deep Learning for GENERAL（G検定）

ニューロン | JDLA Deep Learning for GENERAL（G検定）

重み | JDLA Deep Learning for GENERAL（G検定）

バイアス | JDLA Deep Learning for GENERAL（G検定）

シグモイド関数 | JDLA Deep Learning for GENERAL（G検定）

ReLU | JDLA Deep Learning for GENERAL（G検定）

softmax関数 | JDLA Deep Learning for GENERAL（G検定）

クロスエントロピー | JDLA Deep Learning for GENERAL（G検定）

平均二乗誤差 | JDLA Deep Learning for GENERAL（G検定）

学習率 | JDLA Deep Learning for GENERAL（G検定）

ミニバッチ | JDLA Deep Learning for GENERAL（G検定）

エポック | JDLA Deep Learning for GENERAL（G検定）

バッチ正規化 | JDLA Deep Learning for GENERAL（G検定）

ドロップアウト | JDLA Deep Learning for GENERAL（G検定）

L1正則化 | JDLA Deep Learning for GENERAL（G検定）

L2正則化 | JDLA Deep Learning for GENERAL（G検定）

畳み込みカーネル | JDLA Deep Learning for GENERAL（G検定）

ストライド | JDLA Deep Learning for GENERAL（G検定）

パディング | JDLA Deep Learning for GENERAL（G検定）

受容野 | JDLA Deep Learning for GENERAL（G検定）

チャネル | JDLA Deep Learning for GENERAL（G検定）

埋め込み表現 | JDLA Deep Learning for GENERAL（G検定）

Self-Attention | JDLA Deep Learning for GENERAL（G検定）

位置エンコーディング | JDLA Deep Learning for GENERAL（G検定）

Encoder-Decoder | JDLA Deep Learning for GENERAL（G検定）

勾配消失 | JDLA Deep Learning for GENERAL（G検定）