深層学習:Deep Learning

T2T-GANの概要 T2T-GAN（Tokens-to-Token Generative Adversarial Network）は、Tokens-to-Token Vision Transformer（T2T-V...

TransGanの概要 TransGAN は、世界で初めて 純粋な Transformer アーキテクチャのみを用いた GAN（Generative Adversarial Network） として提案されたものとな...

Siamese Networksの概要 Siamese Network は、2つ（または複数）の同一構造のニューラルネットワークを共有重みで並列に配置し、入力間の類似度を学習・評価するモデルアーキテクチャであり、元々...

記憶拡張モデル（Memory-Augmented Models）の概要 記憶拡張モデル（Memory-Augmented Models, MAMs）は、従来のニューラルネットワークに外部記憶（Exter...

疎密の非対称性に特化したネットワーク設計 「疎密の非対称性に特化したネットワーク設計」は、以下のような状況に非常に重要なアプローチとなる。 データの一部に豊富な事例（密な領域）があり、他の部分...

概要 One-shot learningは、各クラスに1つだけの学習例しか存在しない状況で分類や認識を行う学習手法であり、その目的は、データが不足している状況でも高い汎化性能を発揮するモデルを実現するこ...

概要 Zero-Shot Learning（ZSL）とは、事前に学習されていないクラスに対しても、追加の学習なしで分類や予測を行う手法である。このアプローチは、従来の機械学習やディープラーニングモデルが...

疎密なデータでの機械学習 疎な領域（データが少ない）と密な領域（データが多い）が混在するデータ集合に対して深層学習を行うと、以下のような現象や問題が起こりやすくなる。 1. バイアスが生じる（学習...

残差結合について 残差結合（Residual Connection）は、深層学習ネットワークにおいて層を跨いで情報を直接伝達する手法の一つであり、この手法は、特に深いネットワークを訓練する際に発生する勾配消失や勾配爆発の...