QA@IT
«回答へ戻る

ディープラーニングについてコメントを追加

5639
 
 間違いを認識させるのではなく、どのくらい正常ではないかを認識させるかというニュアンスになるかと思います。
 黒ずんでいるのか、異物なのかまで判断できるかは学習量やあたえるサンプルの量で決まってくると思います。
+
+ディープラーニングに関しては、ニューロンだとか特徴選択について学びが足りないのでコメントできません(機械学習もまだまだ知識が浅いですが)。

私も勉強中(なかなか進みませんが)なので、有益な情報ではないかもしれませんが、
異常検知や故障診断などと呼ばれる分野ですね。

いろいろ手法はあるでしょうが、
機械学習で教師ありで行うなら、既知の異常データと正常データを与えてエラーの特徴を学習させる。
正常データのみを大量に与えて、そこからどの程度外れているかで可否を出させる。
というのが初歩的なアプローチになるんじゃないでしょうか。

間違いを認識させるのではなく、どのくらい正常ではないかを認識させるかというニュアンスになるかと思います。
黒ずんでいるのか、異物なのかまで判断できるかは学習量やあたえるサンプルの量で決まってくると思います。

ディープラーニングに関しては、ニューロンだとか特徴選択について学びが足りないのでコメントできません(機械学習もまだまだ知識が浅いですが)。

私も勉強中(なかなか進みませんが)なので、有益な情報ではないかもしれませんが、
異常検知や故障診断などと呼ばれる分野ですね。

いろいろ手法はあるでしょうが、
機械学習で教師ありで行うなら、既知の異常データと正常データを与えてエラーの特徴を学習させる。
正常データのみを大量に与えて、そこからどの程度外れているかで可否を出させる。
というのが初歩的なアプローチになるんじゃないでしょうか。

間違いを認識させるのではなく、どのくらい正常ではないかを認識させるかというニュアンスになるかと思います。
黒ずんでいるのか、異物なのかまで判断できるかは学習量やあたえるサンプルの量で決まってくると思います。

ディープラーニングに関しては、ニューロンだとか特徴選択について学びが足りないのでコメントできません(機械学習もまだまだ知識が浅いですが)。

回答を投稿

私も勉強中(なかなか進みませんが)なので、有益な情報ではないかもしれませんが、
異常検知や故障診断などと呼ばれる分野ですね。

いろいろ手法はあるでしょうが、
機械学習で教師ありで行うなら、既知の異常データと正常データを与えてエラーの特徴を学習させる。
正常データのみを大量に与えて、そこからどの程度外れているかで可否を出させる。
というのが初歩的なアプローチになるんじゃないでしょうか。

間違いを認識させるのではなく、どのくらい正常ではないかを認識させるかというニュアンスになるかと思います。
黒ずんでいるのか、異物なのかまで判断できるかは学習量やあたえるサンプルの量で決まってくると思います。

私も勉強中(なかなか進みませんが)なので、有益な情報ではないかもしれませんが、
異常検知や故障診断などと呼ばれる分野ですね。

いろいろ手法はあるでしょうが、
機械学習で教師ありで行うなら、既知の異常データと正常データを与えてエラーの特徴を学習させる。
正常データのみを大量に与えて、そこからどの程度外れているかで可否を出させる。
というのが初歩的なアプローチになるんじゃないでしょうか。

間違いを認識させるのではなく、どのくらい正常ではないかを認識させるかというニュアンスになるかと思います。
黒ずんでいるのか、異物なのかまで判断できるかは学習量やあたえるサンプルの量で決まってくると思います。