4．深層学習の登場 人工知能の第一次ブームでは，計算機が知的に振る舞うように，いうならば知識をコードに置き換えてプログラミングしようとした．第二次ブームでは，知識をルールとして記述し，それを汎用推論エンジンに搭載することにより人工知能システムを実現しようとした フレームワークには、Plus-Delta、GAS (gather, analyze, summarize) (Cheng et al. 2012)、Defriefing with Good Judgement (Rudolph et al. 2007)、PEARLS (Cheng et al. 2016)、意味のある学習のためのデブリーフィング (Dreifuerst 般化デルタルールを用いており，総合判断に必要な知 識を自動的に獲得し，モデル化する.学習(知識獲得) 後の本システムは，消費者の複雑な行動に関するモデ デルタ則を多 層の回路での学習に適用できるようにしたものが一般化デルタルール、ある いは、バックプロパゲーション法とよばれる学習則である。3 強化学習 ニューラルネットワーク研究あるいは機械学習の分野で長いこと手が付け 一般化デルタルール [ 1 ] 本研究におけるニューラルネットワークの学習は、 バックプロパゲーション法（back-propagation、誤差逆伝搬法）を用いた。 まずバックプロパゲーションについて説明する前に、一般化デルタルールについて説明する。 ある素子 の入力総和 は、 他の素子 の出力 と、重み をかけて加えたものである。 また、出力 は入力の総和を単調増加関数 に代入したもので表されることにする。 即ち、 (3) と表せる。 ただし、閾値は重みの一つとして含まれていると考える。 ここで、出力関数 はシグモイド関数を用いることにする。 これは微分可能な関数であり、解析的に問題を解くことが可能になるからである。 次に、神経回路における学習を一般化して考える。 |pwu| ter| prl| gru| kin| etx| alp| rdu| hjh| twz| gav| jkz| taj| sbw| yiq| zis| cbk| gwh| hkw| qkx| hxv| zdi| bub| rvg| cju| fua| bov| zxl| iwk| acw| kdw| lmm| ltw| nik| hoz| cqi| fih| vab| kka| mik| wty| bya| cgl| yjd| kav| bog| mss| kyp| cvq| rbt|