ぶんかつ

11475 ワード
テキストリンク

AIは体格によって小中学生を区別できますか?


ニューラルネットワークの構造


FNN
  • 入力層1個、銀寧側1個、出力層1個
  • 外部入力値に重み付けを加えたすべての値を1つの入力値にまとめます.
  • 重み付けの大きい入力値は汎周波数管に大きな影響を及ぼし、重み付けの小さい入力値は汎周波数管に小さい影響を及ぼす.
  • 入力層は、<性別>、<身長>、<体重>の3種類のデータを受信するためにサイズを3に設定する
  • 出力層はSoftmaxという活性化関数を含み、演算を適用すると確率質量関数として機能する.
    層数タイプサイズ活性化関数1層FNN 3無2層FN 128 RELU 3層FNN 3 Softmax

    深さ学習モデル符号化

    """
Author : Byunghyun Ban
Date : 2020.07.24.
"""
from tensorflow import keras
import data_reader

# 몇 에포크 만큼 학습을 시킬 것인지 결정합니다.
EPOCHS = 20  # 예제 기본값은 20입니다.

# 데이터를 읽어옵니다.
dr = data_reader.DataReader()

# 인공신경망을 제작합니다.
model = keras.Sequential([
    keras.layers.Dense(3),
    keras.layers.Dense(128, activation="relu"),
    keras.layers.Dense(3, activation='softmax')
])

# 인공신경망을 컴파일합니다.
# optimizer는 인공신경망의 가중치를 조절하기 위한 알고리즘 'adam'을 사용하면 대체로 좋은 결과를 얻는다.
# loss는 인공신경망을 학습시키기 위한 기준이 되는 함수, 로스가 작으면 작을수록 성능이 높다.
# 분류 문제에서는 '크로스 엔트로피(cross-entropy)를 사용하는 것이 적절하다.
# metrics은 성능 검증을 위한 척도를 의미하며 정확도를 의미하는 accuracy를 사용한다.
model.compile(optimizer="adam", metrics=["accuracy"],
              loss="sparse_categorical_crossentropy")

# 인공신경망을 학습시킵니다.
print("************ TRAINING START ************")
# monnitor는 학습을 조기 중단하기 위한 기준으로 삼을 지표를 의미한다.
# patience에는 해당 숫자만큼 에포크가 성능 개선이 없으면 중단한다.
# 너무 짧으면 충분한 학습이 진행되기 전에 종료되어버린다
early_stop = keras.callbacks.EarlyStopping(monitor='val_loss', patience=10)
history = model.fit(dr.train_X, dr.train_Y, epochs=EPOCHS,
                    validation_data=(dr.test_X, dr.test_Y),
                    callbacks=[early_stop])

# 학습 결과를 그래프로 출력합니다.
data_reader.draw_graph(history)

    AIは花を区別できますか?


    ニューラルネットワークの構造

  • 4個の特徴<萼長、幅、花弁長、幅>
  • 2 2階の下に「Dropout」の値が
    • に代入されます.
    層数タイプサイズ活性化関数1層FNN 4無2層FN 128 Relu-Droputrate=0.5-3層FNN 3 Softmax

    ドロップ

  • 部分神経を捨てる手法
  • ドロップダウンリストのサイズについては、rate=0です.x(0-1)「で記載すると、対象は毎回ランダムに選択され、指定されたマグネトロンは一時的に重みを0に設定し、他のマグネトロンに情報を伝えることができない.
  • の過剰を防止する効果があります.
    • """
Author : Byunghyun Ban
Date : 2020.07.24.
"""
from tensorflow import keras
import data_reader

# 몇 에포크 만큼 학습을 시킬 것인지 결정합니다.
EPOCHS = 20  # 예제 기본값은 20입니다.

# 데이터를 읽어옵니다.
dr = data_reader.DataReader()

# 인공신경망을 제작합니다.
model = keras.Sequential([
    keras.layers.Dense(4),
    keras.layers.Dense(128, activation="relu"),
    keras.layers.Dropout(rate=0.5),
    keras.layers.Dense(3, activation='softmax')
])

# 인공신경망을 컴파일합니다.
model.compile(optimizer="adam", metrics=["accuracy"],
              loss="sparse_categorical_crossentropy")

# 인공신경망을 학습시킵니다.
print("\n\n************ TRAINING START ************ ")
early_stop = keras.callbacks.EarlyStopping(monitor='val_loss', patience=10)
history = model.fit(dr.train_X, dr.train_Y, epochs=EPOCHS, batch_size=5,
                    validation_data=(dr.test_X, dr.test_Y),
                    callbacks=[early_stop])

# 학습 결과를 그래프로 출력합니다.
data_reader.draw_graph(history)

    合奏学習


    これは、
  • 問題を解決するために複数のモデルを学習することを意味する.
    • 同じアルゴリズムモデルを学習する方法は複数あり,アルゴリズムを学習する方法も複数ある.
  • 多数決の原則に従って、AIの意見を投票で採択するのが最も容易な方法だ.
    • Vscodeガイド.badge
    [MYSQL]Webアプリケーション作成-記事リスト