【ディープラーニングG検定対策】ディープラーニングの研究分野

G検定記事はこちら。
https://www.simulationroom999.com/blog/jdla-deep-learning-for-general-2020-1/

はじめに
ディープラーニングの研究分野
強化学習
まとめ

はじめに

G検定シラバス「ディープラーニングの研究分野」の範囲の対策。
難易度は高。過去問、問題集だけではフォローしきれない。
「自然言語処理の流れ」と「強化学習」について追加の情報収集が必要。

※ G検定対策はこちら

ディープラーニングの研究分野

ディープラーニングの研究分野その1

物体を検出することと、物体を認識することは別しかし、「物体を認識」する過程で「物体を検出」している可能性もある物体検出は矩形のバンディングボックスと画素単位のセマンティックセグメンテーションに分けられる。双方をくみあわせることでインスタンスセグメンテーションが実現可能。 R-CNN→fast RCNN→faster RCNN。

ディープラーニングの研究分野その2

ディープラーニングの研究分野の一つである、自然言語処理分野について記載する。 word2vecは、「単語→ベクトル」の意で、ベクトル空間モデルや単語埋め込みモデルとも言われている。 "単語の意味は、その周辺の単語によって決まる " という言語学の主張をニューラルネットワークで実現したもの。有名な例は以下。

ディープラーニングの研究分野その3

ディープラーニングの研究分野である、音声認識と強化学習について記載する。 RNNの聴覚、音声分野の成果としてWaveNet(ウェーブネット)が存在する。 WaveNetは音声合成(Speech synthesis)と音声認識(Speech recognition)の両方を行えるモデル。

以下も含めて把握する必要あり。

画像注釈＝画像キャプション生成。

自然言語処理の流れ。

形態素解析(品詞も判断)
クレンジング
ベクトル化(BoW)
重要度評価(TF-IDF等：文章中の各単語の重要度を「出現頻度」によって判定)

LSI(潜在的意味インデキシング)：検索などに用いられる次元圧縮手法
LDA(潜在意味解析)：文中の単語から何がトピックかを推定する教師なし学習
談話構造解析：テキスト中の文間のつながりを明らかにする
照応解析：照応詞（代名詞や指示詞など）の指示対象を推定したり、省略された名詞句（ゼロ代名詞）を補完する処理。