GPGPU

GPUの並列計算能力を画像処理以外の汎用的な計算に利用する技術。科学技術計算やAIのディープラーニングなど、大量の並列演算が必要な分野で活用される。

画像処理用に多数の演算器を備えたGPUを、汎用の数値計算に転用する技術。同種の演算を大量のデータへ一斉に適用する処理に強く、機械学習の学習処理や科学技術計算で広く利用される。

多数のプロセッサやGPUを高速なネットワークで結合し、大規模な計算を並列処理で高速に行う技術。気象予測、創薬、流体解析などの科学技術計算や、AIの大規模な学習に使われる。スーパーコンピュータが代表で、クラウドで利用する形態も広がっている。

生物の神経回路網を模倣した計算モデル。入力層、隠れ層、出力層からなり、各ノード間の結合の重みを学習によって調整する。ディープラーニングの基礎となる技術。

多層のニューラルネットワークを用いた機械学習手法。大量のデータから高度な特徴表現を自動的に獲得できる。画像認識、自然言語処理、音声認識などで高い性能を発揮する。

ニューラルネットワークの学習アルゴリズム。出力の誤差を出力層から入力層へ逆方向に伝播させ、各結合の重みを更新する。誤差逆伝播法とも呼ばれ、勾配降下法と組み合わせて使用される。

ニューラルネットワークの各ノードで入力の加重和に適用する非線形関数。シグモイド関数、ReLU（Rectified Linear Unit）、ソフトマックス関数などが代表的。非線形変換により複雑なパターンの学習を可能にする。

画像認識に特化したニューラルネットワーク。畳み込み層で画像の局所的な特徴を抽出し、プーリング層でデータを縮小する構造を持つ。CNNと略され、物体検出や画像分類に高い性能を示す。