kerasによるディープラーニング

前提知識
・畳み込みニューラルネットワーク(CNN)
・kerasによるCNN構築
・kerasインストール方法 , 関数説明
・relu関数 , softmax関数

こちらでkerasを使った畳み込みニューラルネットワーク(CNN)の使用方法を説明しましたが、ここでは更なる正解率向上のため、kerasによるディープラーニングの実装方法を説明します。 ディープラーニングは畳み込みニューラルネットワーク(CNN)の層が深いものをいい、畳み込み層、プーリング層、ドロップアウト層等で構成されます。 題材はMNISTの画像データを用いその正答率と測るというものです。プログラムファイル等は以下。

　・画像データ：mnist_data.zip
　・プログラムファイル：deep_keras.zip
　・kerasのインストール , 関数説明

ディープラーニングの構造は以下。


■実行結果
活性化関数はrelu関数、softmax関数を用い、学習繰り返し数(epoch数)20回とした結果、約99.5%と高い正解率を得る事ができました。実行時間は約3600秒でした。

サブチャンネルあります。⇒ 何かのお役に立てればと

関連記事一覧 トップメニュー 機械学習 機械学習とは パラメトリックモデル 回帰,分類,クラスタリングの違い 分類(classification) 分類問題とは ナイーブベイズフィルタ 符号関数による分類 ロジスティック回帰 ・線形分離 ・非線形分離 サポートベクターマシン 決定木 k-近傍法 ニューラルネットワーク(NN) NNとは パーセプトロン 勾配法(最急降下法) ・機械学習への適用 損失関数(誤差関数) 誤差逆伝播法 交差検証 , ホールドアウト 活性化関数 ・ステップ , 符号関数 ・シグモイド ・ReLU ・Softmax ・tanh MNISTデータセット CIFAR-10データセット 画像認識方法 画像認識方法② 畳み込みNN(CNN) 再帰型NN(RNN) LSTM kerasによる実装例 ・NN ・CNN ・ディープラーニング クラスタリング k-means 強化学習 強化学習とは 価値関数 , ベルマン方程式 マルコフ決定過程 ε-greedy法 TD学習_スキナー箱 TD学習_Cartpole モンテカルロ法_Blackjack Deep Q-Network(DQN) ・DQNとは_スキナー箱 ・cartpole問題 ・Experience Replay 敵対的生成ネットワーク GAN DCGAN seqGAN seqGAN用文章データ作成