ディープラーニング活用支援サービス

■ 単純パーセプトロンパーセプトロンを2層にすると、”学習”が出来ることが分かり、第1次ニューラルネットワークブームが到来。
しかし、非線形な問題は解けないとこが後に判明し、ブームが終了しました。

■ 多層パーセプトロン3層のネットワークにすることで非線形な問題も解けることはわかっていたが、BackPropagationでそれが実現したことで、第2次ニューラルネットワークブームが到来。
1層→2層→3層とそれぞれ劇的に性能が上がるため、4層以上でよりよくなると考えられたが実際は性能が下がってしまい第2次ブームも終了となります。

■ 現在
その後、2006年に提唱されていたが、実際には2010年の画像認識コンテストで圧勝したことで脚光を浴びる。
以後、現在までに様々な問題で劇的な性能向上を果たして一躍スタンダードになっています。

■ 機械学習以前入力から出力に向かって、人間が様々な処理を段階的に行って結果を得ていた。
それぞれが何をするかは専門家が知恵を絞って考えていました。

■ 機械学習以後人間が考えた手法の最終的な部分は機械学習に委ねる。
機械学習アルゴリズムが上手く処理できるように、人間は前処理を頑張るようになります。

■ ディープラーニング以後人間が考えた汎用的な方法より、問題ごとにDeepLearningが最適化した処理の方が優れているため全て任せる。
近年は理論的な解析も進んできているが、ブラックボックス化します。

自動運転

カメラ等を活用した、外界認識、シーン理解・予測等による自動運転の実現を目指します。

医療

内視鏡画像を学習し、人間が見落としてしまう恐れがあるものを検出し、人間をサポートすることが出来ます。

文字認識

書かれている文章や文字が何かを認識し、判別します。

対話

日常使われる会話の言葉を学習し、質問の意図を汲み取ったやり取りが可能となります。

異常音検知

製造機器等から収集した音声データを元に異常音を検知し、機器の故障を予測出来ます。

異常検知

IoTセンサーデータ等の時系列データを分析し、機器の故障を予測出来ます。