目次:
定義-デコンボリューショナルニューラルネットワーク（DNN）とはどういう意味ですか？
デコンボリューションニューラルネットワークは、逆畳み込みモデルを実行するニューラルネットワークです。 一部の専門家は、デコンボリューションニューラルネットワークの作業を上向きの画像からレイヤーを構築することと呼び、他の専門家はデコンボリューションモデルを畳み込みニューラルネットワークモデルの入力パラメーターの「リバースエンジニアリング」と説明します。
デコンボリューショナルニューラルネットワークは、デコンボリューションネットワーク、デコンボリューションまたは転置コンボリューショナルニューラルネットワークとしても知られています。
Techopediaはデコンボリューショナルニューラルネットワーク（DNN）について説明します
デコンボリューショナルニューラルネットワークは、さまざまな方法で説明できます。 これらのツールの多くは、畳み込みニューラルネットワークと同じタイプのフィルターを使用しますが、使用方法が異なります。 専門家は、逆伝播や逆フィルタリングなどのアイデアを、ストライドやパディングなどの手法とともに利用して、転置畳み込みモデルを構築します。
非常に単純な意味で、専門家は「CNNを後方に実行する」かもしれないと言うことができますが、デコンボリューショナルニューラルネットワークの実際のメカニズムはそれよりもはるかに洗練されています。 畳み込みおよびデコンボリューションニューラルネットワークの別の部分には、階層の作成が含まれます。たとえば、初期ネットワークモデルがプライマリ学習を実行し、別のモデルがターゲットイメージを視覚的にセグメント化する場合があります。 一般的に、DNNにはピクセル値のマトリックスのマッピングと、画像上での「機能セレクター」またはその他のツールの実行が含まれます。 これらはすべて、特に画像処理とコンピュータービジョンの機械学習プログラムをトレーニングする目的に役立ちます。
