- 技術的に何か複雑で新しいものは少なく、学生の発表ということもあり、あまりレベルは高くない
- 技術的にユニークであり、知見としたい点を発表する
各種機械学習のオーバーヘッドとなりうる点では、学習させるデータのペアを作ることが求められることが多い これは教師あり学習と呼ばれ、人間がなんらかの形でデータセットを作成する必要がある
比べて教師なし学習という分野があり、こちらは学習する対象のデータさえ与えれば、後は勝手に学習していくものであり、特に人間が頑張ってデータセットを作る必要はない
自然言語処理では、有名なところでは word2vecやfastText, tfidfなど数値を計算する、頻出する系を計算する系などが該当する
これを画像処理までに拡張できないか、という視点で行われた理論がある
それが、PCANetと呼ばれる学習方法である
DeepLearningでは通常、パーセプトロン同士のつながりの太さを学習していくが、あらかじめいくつかの重みとフィルタを設計したものをパーセプトロンの学習部分に組み込んでおき、 適切に重みを取り出していくというアプローチをとってくものである
ユニークな技術で、人間による、教育を行わずとも特徴量を取り出せることが、示された
GAN(Generative Adversarial Network)など、絵や文字を生成することが流行ったが、理論的背景は、強化学習の一種である 強化学習の本質は、人間が作った正解データを学習するのではなく、なんらかの(ゲーム等であれば)得点を学習していくものである
評価機(多くの場合はゲームシステム)と深層学習モデルを対立させ、モデルは最初のうちはランダムに近い行動をとるが、ランダムに動いたうちの行動で、評価機から多く点数を引き出せたものを(目的関数の目的値を大きくとり)強く学習し、低い点数であったものを(目的値を小さくとり)学習しないという方法をする
理論を構築するのは容易であるが、なかなか任意の目的に対して適切に収束させるのが難しく、評価機もディープラーニングによる学習機構に組み込んだのが、GANだと見ることができる
実応用例としては、Alpha GOなどがある