自己符号化器による表現学習

こんにちは。LeapMindソフトウェアエンジニアの藤原です。

様々な分野のデータやタスクに対してDeep Learning技術の活用が始まっていますが、その大きな強みの一つとして、人間の力を借りることなくデータの特徴を抽出できることが挙げられます。

与えられたデータをうまく表現する特徴を学習することを表現学習といいますが、表現学習を行うためのneural networkの一つに自己符号化器(autoencoder)というものがあります。今回はこの自己符号化器のハイパーパラメータをいろいろと変えてみて、自己符号化器が学習する特徴がどのように変化するか実験をしてみました。

人間には判断根拠がわかりづらいと言われることがあるDeep Learning技術ですが、自分でパラメータをいじってみたり、学習された特徴を可視化してみたりすると、もう少し身近に感じられるかもしれません。

続きはこちらからどうぞ。

——————————————
LeapMindではエンジニア以外でも、あらゆる職種にて仲間を募集しています。
Wantedlyからお気軽にお問合わせくださいませ。


——————————————

 

藤原 健利

Posted by 藤原 健利

Leave a reply

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です