差分
このページの2つのバージョン間の差分を表示します。
| 両方とも前のリビジョン 前のリビジョン 次のリビジョン | 前のリビジョン | ||
|
機械学習:lstm代替案 [2016/03/11 11:48] sakaimiho [従来のRNNモデルの課題] |
機械学習:lstm代替案 [2016/03/22 13:37] (現在) n.arakawa [LSTMアーキテクチャー] |
||
|---|---|---|---|
| 行 1: | 行 1: | ||
| ====== LSTMとは ====== | ====== LSTMとは ====== | ||
| - | |||
| ===== 概要 ===== | ===== 概要 ===== | ||
| - | LSTMは、リカレントニューラルネットワークのアーキテクチャーをもとに、1997年に Sepp Hochreiter and Jürgen Schmidhuberによって提唱されたモデルです。リカレントニューラルネットワークと同様に、ニューラルネットワークでは扱いが難しかった時系列データ（文章、音声、映像）に対して有効な手法です。 | + | LSTMは、1997年に Sepp Hochreiter と Jürgen Schmidhuberによって提唱された[[機械学習: |
| - | + | ==== LSTMの適用領域 ==== | |
| - | ==== 従来のRNNモデルの課題 ==== | + | |
| - | [[再帰型ニューラルネットワーク|リカレントネットワーク]]では、長期的な依存関係を学習できない問題があります。 | + | |
| - | + | ||
| - | ==== 適用領域 ==== | + | |
| * 音声認識 | * 音声認識 | ||
| * 文章生成 | * 文章生成 | ||
| * 音楽生成 | * 音楽生成 | ||
| * 映像解析 | * 映像解析 | ||
| - | + | ==== LSTMアーキテクチャー ==== | |
| - | ==== LSTMアーキテクチャーの説明 | + | |
| {{ : | {{ : | ||
| 図で情報は下から上へと流れます。中央にセルと書いてある部分にリカレント結合（再帰結合）があります | 図で情報は下から上へと流れます。中央にセルと書いてある部分にリカレント結合（再帰結合）があります | ||
| 行 29: | 行 23: | ||
| もう一つの注意点として実線と点線の区別に注目してください。実線は即時的に働く流れです。一方点線は時間遅延を表します。次の時刻に影響を及ぼすことを示しています。 | もう一つの注意点として実線と点線の区別に注目してください。実線は即時的に働く流れです。一方点線は時間遅延を表します。次の時刻に影響を及ぼすことを示しています。 | ||
| - | 最後に後回しにした青線で描かれたピープホールですが，セルの内容が直接ゲートを制御するために導入されました。セル自身がゲートを制御することで，より積極的にゲートの開平の効率向上を目指しています。 | + | 最後に後回しにした青線で描かれたピープホールですが，セルの内容が直接ゲートを制御するために導入されました。セル自身がゲートを制御することで，より積極的にゲートの開閉の効率向上を目指しています。 |
| 図では１つの LSTMブロックだけが描かれています。LSTMブロックが複数集まってLSTM層を構成します。LSTM層を多層化するとディープLSTMになります。多層のLSTMでは，時間的空間的に異なる抽象化が表象されると考えられます。 | 図では１つの LSTMブロックだけが描かれています。LSTMブロックが複数集まってLSTM層を構成します。LSTM層を多層化するとディープLSTMになります。多層のLSTMでは，時間的空間的に異なる抽象化が表象されると考えられます。 | ||
| + | |||
| + | ==== 学習方法 ==== | ||