マインドマップB:ディープラーニング技術の全体像

アーキテクチャ × タスク・手法 × 基盤技術を正しい階層で一望
使い方

上半分がネットワークアーキテクチャ(実線)、下半分がタスク・手法基盤技術(破線)です。LLMはTransformer系の子として配置しています。色付きノードをクリックすると詳細ページへ移動できます。

── ネットワークアーキテクチャ ── ── タスク・手法 / 基盤技術 ── AlexNet (2012) VGGNet (2014) ResNet (2015) SENet (2017) EfficientNet (2019) 物体検出 (YOLO, SSD) セグメンテーション 姿勢推定 (OpenPose) LSTM GRU 双方向RNN Seq2Seq Word2Vec Attention機構 Self-Attention マルチヘッド BERT(双方向) GPT(自己回帰) ViT(画像分類) GPT-3 / GPT-4 ChatGPT / RLHF 事前学習 + Fine-tuning GAN VAE 拡散モデル フロー型モデル DQN A3C PPO AlphaGo系 AlphaGo Zero AlphaStar ReLU Sigmoid / Softmax SGD Adam ドロップアウト バッチ正規化 進化系統 画像認識応用 基本モデル NLP応用 Attention機構 応用モデル LLM 活性化関数 最適化手法 正則化 CNN系 RNN系 Transformer系 生成モデル 深層強化学習 基盤技術 ディープラーニング 凡例 ── 実線 = アーキテクチャ / 破線 = タスク・手法・基盤技術 CNN系 RNN系 Transformer LLM(Transformerの子) 生成モデル 深層強化学習 基盤技術 ※ クリックで詳細へ