文献

J-GLOBAL ID：201702274644697817   整理番号：17A0743514

算数&ラズパイから始める人気AIディープ・ラーニング 第2部 算数からはじめる人気のAI「ディープ・ラーニング」第5章 ここまでくるといろいろできそう 自作AI ステップ3...挑戦!画像ディープ・ラーニング

著者 (2件)： 牧野浩二 ,  西崎博光
資料名： インターフェース  (Interface)
巻： 43  号： 8  ページ： 83-88  発行年： 2017年08月01日 
JST資料番号： L0339A  ISSN： 0387-9569  資料種別： 逐次刊行物 (A)
記事区分： 解説  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ディープ・ラーニングのアルゴリズムを試すための手書き文字データ・セットMNISTは,ChainerやTensorFlowなど様々なフレームワークで性能評価に利用できる。本論文では,Chainerのサンプル・プログラムにおけるMNISTを学習するプログラムを改造し,画像ディープ・ラーニングについて解説した。まず,28×28ピクセルの画像の各画素を1列に並べた784次元の入力から,0~9までの数字に対応する10次元の出力を学習するMNIST学習用プログラムを説明した。特に,中間層を2層,100次元とする3層のニューラル・ネットワークの構造と,Chainerに用意されたMNIST専用の関数について述べた。次に,分類したいファイルを読み込み,グレー・スケールへ変換して28×28へサイズ変換し,白黒反転して正規化したデータを784の縦ベクトルに並べ,学習モデルを用いて判別を行う分類用プログラムを説明した。さらに,実行後に学習データに対する正答率と誤差を確認する方法を示し,学習を繰り返すと学習データに対する誤差は減少する一方,テスト・データに対する誤差は徐々に増加する過学習の問題を論じた。

シソーラス用語： *マイクロコンピュータ ,  *機械学習 ,  *ニューラルネットワーク ,  *手書き文字認識 ,  性能評価 ,  画像処理システム ,  パターン分類 ,  誤差解析 ,  評価試験 ,  畳込みニューラルネットワーク ,  深層学習 ,  数学 ,  解析 ,  誤差論
準シソーラス用語： ディープラーニング ,  *ラズベリーパイ

分類 (4件)： ディジタル計算機方式一般  (JC02010O) ,  人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： 算数 ,  AI