トップ
>
図解解説
>
マインドマップ:ディープラーニング
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
と
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