分析的手法と構成論的手法
認知ロボティクスの講義
- 分析的手法
- 構成論的手法 #構成論
- 実際にシステムを作って動かしてみる方法
- ex: 計算論的神経科学, 認知ロボティクスなど
- 人間の知能/認知を再現するモデルを作って、試す
ニューラルネットワーク
ニューラルネットワーク
基本の回帰モデルを表すと↑になる これの層を増やしたり、間のユニットを増やすことで学習 各矢印が、重みwを持っている、全部違う値 学習によって調整される それだけだとただの回帰と同じ、だから、やを使ってフィルターをかける みたいに、して重みを0に近づけることもできる デフォルトはほとんど正則化しない 最初は、乱数で重みを決める 学習した内容の解析が難しい、やる方法の一つは重みのヒートマップをみること パラメーター学習のには、や等が初心者向けにある #Pythonで始める機械学習 モデルが完成したら、実際にする時はこの計算をすればいいだけ、簡単 (xが入力、Wが各層の重み、yが出力、σが) 一つの層のたくさんあるのうち、一つがめっちゃ影響力強くなっちゃうことがある それを避けるために、ランダムにdropoutする ...
- この二つのアプローチが融合していくと嬉しい