AIの基礎（データ拡張・リカレントニューラルネットワーク）

こんにちは。ウェブ解析士の佐藤佳です。
今回は、AIの基礎（データ拡張・リカレントニューラルネットワーク）の学びをシェアします。

※情報源は「窪田望のアンテナ！」ですが、
　インターネットで調べた内容も加味してブログにまとめています。

■データ拡張（Data Augmentation）
データ収集する代わりに、手元にあるデータから疑似的にデータを生成する方法。

深層学習のモデル構築をしたいが、十分なデータがないケースに有用。
別名、データの水増し。

画像処理分野でのデータの拡張例）
・画像を上下左右にずらす
・画像を上下左右に反転する
・画像を拡大や縮小する
・画像のコントラストを変えるetc.

※画像処理分野だけでなく、NLP（自然言語処理）にデータ拡張を適応する方法もある。
　参考になる関連情報を見つけたので貼っておきます。
　https://note.com/masayamori/n/n63caf39a4cdf

■リカレントニューラルネットワーク（RNN）
ニューラルネットワークを拡張して、時系列データを扱えるようにしたもの。

例）
・電車の混雑状況（朝と夕方のピーク）
・電気の使用量（夏と冬のピーク）
・アイスの売上（夏のピーク）

＜特徴＞
・他のニューラルネットワークと同様、入力層、中間層、出力層という3層を持つ。
・違う点は中間層。前の時刻の中間層を次の時刻の入力と合わせて学習に用いることで、
　時系列情報を考慮したネットワーク構造になっている。
・RNNの学習にもバックプロパケ―ションは使われているが、誤差は時間を遡って逆伝播するので、　BPTT（backpropagation through time）と呼ばれている。

今回はここまでです。
また次回のブログでお会いしましょう。