2017年07月16日

ディープラーニングの本を読むには数学が苦手な人にはちょっとつらいと思います

storage.mantan-web.jp_images_2017_05_21_20170521dog00m200017000c_001_size8.jpg

ディープラーニングの本:
deeplearning1.jpg

ディープラーニングの本は私のような理学部数学科出身の人間にはとても面白い本です。もちろん、まだ理解出来てるわけではありませんが、数学の専門書を読んでいる感じで読んでいてとても面白いです。

でも、数学が苦手な人には読むのは相当つらいと思います。

それでも、Pythonでのプログラムの実装は出来るので、感覚的には分かると思います。

結局、私の理解ではディープラーングの本質は統計学で、それを実現するための手法がいろいろ考案されているということです。あくまで、私の理解で間違っているかも知れません。

でも、ディープラーングの登場で数学科出身の学生の活躍の場が増えたことは間違いないですねえ。いいなあ。

posted by tsurutsuru at 10:53| Comment(0) | 日常茶飯事

ディープラーニングが注目され始めたのは2012年のようです

storage.mantan-web.jp_images_2017_05_21_20170521dog00m200017000c_001_size8.jpg

ディープラーニングの次の本を拾い読みしています。
deeplearning1.jpg

この本によるとディープラーニングが注目されるようになったのは2012年からだそうです。

(以下原文)
ディープラーニングが現在のように大きな注目を集めるきっかけになったのは、2012年に開催された大規模画像認識のコンペティションILSVRC(ImageNet Large Scale Visual Recognition challenge)だと言われています。その年のコンペティションで、ディープラーニングによる手法が---通称、AlexNet---が、圧倒的な成績で優勝し、これまでの画像認識のアプローチを根底から覆しました。
(原文終わる)


ということはディープラーニングという手法が大きな注目を集めるようになってからまだ5年も経っていないということです。まあ、5年も経っているという言い方も出来ますが、最近になって注目されるようになったのですね。

では。


posted by tsurutsuru at 10:38| Comment(0) | 日常茶飯事

2017年07月15日

ディープラーニングの基本的な概念はそれほど難しいものではないようです

storage.mantan-web.jp_images_2017_05_21_20170521dog00m200017000c_001_size8.jpg

ベストセラーになっているディープラーニングの本を拾い読みしただけですが、ディープラーニングの基礎的な概念はそれほど難しいものではないようです。

私の今の理解では、ディープラーニングとは、損失関数という指標を使って適切な重みパラメータをコンピュータに求めさせることです。

その手法として数値微分を使います。ただ、数値微分はコンピュータに計算させても時間がかかるので、時間の短縮に誤差逆伝播法を使うということらしいです。

でもやりたいのは損失関数の微分ですね。そうすると損失関数のグラフの勾配が計算できます。それを使って損失関数の値が最小になるような重みパラメータをコンピュータに見つけさせるのですね。

今の私の理解では上記のようになります。もしも、間違っていたらその都度訂正しますね。

では。

posted by tsurutsuru at 18:30| Comment(0) | 日常茶飯事

タグチメソッドの学習(1)

storage.mantan-web.jp_images_2017_05_21_20170521dog00m200017000c_001_size8.jpg

今回タグチメソッドを学習するにあたり、次の2冊を使います。

(1)入門タグチメソッド(立林和夫著、日科技連)
(2)Excelでできるタグチメソッド解析法入門(広瀬健一・上田太一郎編著、同友館)

(1)を中心にして(2)を補助的に使おうかと思っています。(2)には実例が多く載っているので(1)だけではよく分からないことも具体的にExcel上で理解できるかと思います。

ます、(1)の章立てを紹介します。

第1章 システムと安定性
第2章 パラメータ設計入門(望目特性を例として)
第3章 動特性のパラメータ設計
第4章 技術開発段階でのパラメータ設計
第5章 非線形システムでのパラメータ設計
第6章 入出力が測れない場合のパラメータ設計
第7章 直交表を利用したその他の設計活動
第8章 損失関数とその利用
第9章 MTシステム
第10章 タグチメソッドと開発プロセス改革
第11章 タグチメソッドを理解するために

以上です。

とにかくタグチメソッドは難解と言われているので、少しずつ進んで行きたいと思います。

今回はここまでです。

posted by tsurutsuru at 08:44| Comment(0) | 日常茶飯事

タグチメソッドの学習で使用する参考書について

storage.mantan-web.jp_images_2017_05_21_20170521dog00m200017000c_001_size8.jpg

タグチメソッドとは、実験計画法をベースに、品質のばらつきや劣化などの品質トラブルが最初から発生しないような設計にするための予防設計技術です。

タグチメソッドは難解なため、日本の品質管理の分野では、「わけのわからないもの」「うさい臭いもの」と見なす人も多く、日本国内でより海外での評価の方が高いのです。

今回タグチメソッドを学習するにあたり、次の2冊を使います。

(1)入門タグチメソッド(立林和夫著、日科技連)
(2)Excelでできるタグチメソッド解析法入門(広瀬健一・上田太一郎編著、同友館)

日本人で困るのは次のパターンです。

   難解=>自分に理解できない=>これはうさん臭いと思う

これで多くの優秀な人たちが考えたものがゴミ箱に行ったことでしょう。

では、次回から始めます。

posted by tsurutsuru at 08:26| Comment(0) | 日常茶飯事

ここまでディープラーニングの本を拾い読みして分かったこと

storage.mantan-web.jp_images_2017_05_21_20170521dog00m200017000c_001_size8.jpg

ここまでディープラーニングの本を拾い読みして分かったことは、ディープラーニングというのは、損失関数を指標にして、適切な重みパラメータを求めることだということですね。

あとはそれを達成するためにいろいろな手法が考案されているということですが、ディープラーニングの本質は上に述べたことです。

これって、タグチメソッドと同じです。どうもタグチメソッドがディープラーニングに影響を与えているようですね。

posted by tsurutsuru at 03:30| Comment(0) | 日常茶飯事