ニューラルネットワーク
ニューラルネットワーク(Neural Network)による入力値の分類の仕組みについて見ていく。
参照 https://hinaser.github.io/Machine-Learning/ TensorFlow Playgroundの仕組み
X1 を 横方向 と X2 を 縦方向 の XY座標とする
+の点 と ーの点 を X1 X2 で表現することを考える
学習開始前
学習終了後
X1とX2が両方 + なら +
X1とX2が両方 ー なら ー
学習後
X1^2 と X2^2 の両方が 0 なら +
X1^2 と X2^2 の両方が + なら ー
うまく分類できた場合
分類に失敗した場合
出力層のニューロンを増加すると複雑なパターンに対応できる
入力層を2つにして、XY座標だけを入力として与える。
学習前の段階でヒントを出さない。(入力の特徴として中央と端に着目するのを止める)
ニューラルネットワークが学習の過程で見つけた特徴だけを使って分類する。
多数の直線を組み合わせて分類しようとしてもうまくいかない
3019エポック(学習回数)の結果
中間層を多層化する。
これが、深層学習、ディープラーニング、ディープニューラルネットワーク、DNNと呼ばれる仕組み。
以下の様な学習済みのDNNを「モデル」という。
1890エポック