IoT, AI,機械学習 トピックス

いろいろな情報で判断

投稿日:

本日は、ディープラーニング(深層学習)のためのニューラルネットワークについて勉強します。

資料はこちら → 機械学習概論3

p.1 ニューラルネットワークの手順は、①多入力、一出力、②入力端子に結合荷重(重み)あり、③重みをかけて加算 → しきい値を引き算、④伝達関数(活性化関数)に与えて出力を得る です。後で、詳細は説明します。

p.2 上述の手順④に伝達関数がありますが、主なものを2つあげます。デジタル処理するには、ステップ関数をよく用います。出力が0か1になります。

p.3 入力に重みをかけて加算してしきい値を引き算後、ステップ関数に代入して、出力します。上の2つは重みとしきい値が同じで、一番下は、しきい値が異なります。上と下を比べると入力が同じでも、しきい値が異なると出力が変わるということを覚えておいてください。

p.4 入力と出力の間を2ステップにしました。手順は同様です。

p.5 ニューラルネットワークでの学習でスピードを上げる手法が「バックプロパゲーション」です。出力値と教師データの誤差が小さくなるように出力層だけでなく、その前の中間層の重みやしきい値を調整する手法です。

p.6 左側は画像認識の流れを示しています。0と9の画像をピクセルデータとして、ニューラルネットワークに入力して、画像が0の場合、0に1が出力、1~9に0が出力されるように重みやしきい値を調整します。画像が9の場合は、0~8が0出力、9に1が出力するように学習します。右側は、種々の入力データによりエアコンの暖房や冷房をON・OFFするように学習する例です。

p.7 株の売買を、株の取得時価格・現在価格・関連会社の株価・経済指標などの情報を入力すると株の売買の指示を判断するニューラルネットワークも可能です。

種々の応用が可能なニューラルネットワークは、いろいろな情報を基に人間が判断するよりも精度よく判断してくれるかもしれませんが、物事ON/OFFだけで割り切れないことも多いですから、まだまだ我々人間自身がしっかりしていないといけないでしょうね。

-IoT, AI,機械学習, トピックス

Copyright© 進化するガラクタ , 2024 All Rights Reserved Powered by STINGER.