ディープラーニングの基本を数式なしでまとめてみました。
より詳細に知りたい方はこちらをご覧ください。
「マシンラーニング」と「ディープラーニング」とは
マシンラーニング（機械学習）
入力データの特徴をコンピューターが学習し、与えられた問題を解決するもの。
ディープラーニング（深層学習）
機械学習のうち、 ニューラルネットワーク を使って入力データの特徴をコンピュータが 自動的に抽出する もの。
「機械学習」と「ディープラーニング」は何が違うのか？ | MUFG Innovation Hub
「教師あり学習」と「教師なし学習」とは
教師あり学習
人間がラベル付けした 入力データによる学習。
教師なし学習
正解（ラベル）が与えられていない入力データによる学習。入力データから規則性や相関性、特徴、特異性、傾向等をコンピュータが自動的に判定する。
Convolutional Neural Network（CNN）とは
ディープラーニングの一種で、「畳み込み層」と「プーリング層」、「全結合層」と呼ばれるレイヤーから構成されたもの。
定番のConvolutional Neural Networkをゼロから理解する - DeepAge
畳み込み層（Convolution Layer）
入力データの 特徴を抽出する 層。フィルター（カーネル、重み）と呼ばれる行列を用いて、入力データとの特徴の一致件数を計算し、「特徴マップ」として出力する。この演算を「畳み込み」と呼ぶ。
定番のConvolutional Neural Networkをゼロから理解する - DeepAge
バックプロパゲーション（誤差逆伝搬）
あるレイヤーがひとつ前のレイヤーに対して、重みの誤差をフィードバックする仕組み。
-
バッチ :
バックプロパゲーションにより、学習データから重みを更新すること。 -
エポック :
バッチ回数の単位。通常はエポックを何回か繰り返して学習する。
プーリング層
畳み込みによって生成されたデータを圧縮する層。
アクティベーション層
畳み込みによって生成されたデータを「活性化関数」と呼ばれる関数によって特徴づける層。
Rectified Linear Units（ReLU）
畳み込みによって生成されたデータのうち、マイナスの数値を0に変換する活性化関数。
Softmax
出力を確率に変換する活性化関数。
Dropout
重みを更新する際に一定の割合で出力を「0」にすることで、学習データの「過学習」を防ぎ、予測精度を高める層。
全結合層
ラベル化された出力層に紐づけるため、ラベルの個数に対応したノード数となるように畳み込み演算を行う層。