機械学習

機械学習

減衰振動曲線の学習

≪【前の記事】ニューラルネットワークによる回帰分析 減衰振動曲線の学習Output_layer_cクラスを少し改造して Output_layer クラスを設計し、他の必要なコードもまとめて以下のリストに載せておきます。 # In # モジュ...
機械学習

ニューラルネットワークによる回帰分析

≪【前の記事】Irisの品種分類 今回からニューラルネットワークを用いた回帰分析を扱います。 回帰分析とは入力値に対して連続的な数値を予測する手法です。 ・身長を入力して体重を予測する」 ・サイトへのアクセス数を入力して広告収入額を予測する...
機械学習

Irisの品種分類

≪【前の記事】IrisデータセットIrisの品種分類前回記事で作成した Iris のデータセットを使ってニューラルネットワークに 品種分類 を学習させます。今回構築するネットワークのスペックは以下の通りです。 ・入力層のユニット数  : 4...
機械学習

Irisデータセット

≪【前の記事】確率的勾配降下法Irisデータセット機械学習用ライブラリ scikit-learn には練習用データセットがいくつか用意されています。その中の 1 つ、Iris flower data set には、Iris(アヤメ属)に属す...
機械学習

確率的勾配降下法(SGD)

≪【前の記事】学習用データの作成 確率的勾配降下法(SGD)下図のように、入力層、中間層、出力層がそれぞれ 1 層ずつからなるニューラルネットワークを構築します。 中間層の活性化関数は ReLU を採用します。 すでに部品は揃っているので、...
機械学習

学習用データの作成

≪【前の記事】Middle_layerクラス 学習用データの作成ニューラルネットワーク を試験運用するための簡単な学習用データを作成しておきます。入力データは $xy$ 平面の座標とします。正解値(目標変数)は、放物線 $y=x^2-4$ ...
機械学習

中間層の実装

≪【前の記事】Output_layerクラスMiddle_layerクラス活性化関数クラスの実装今回設計する中間層(Middle_layer クラス)では、メソッドに活性化関数と、その導関数を渡す必要があります。これらの関数を別々に設定して...
機械学習

出力層

≪【前の記事】重み更新式の意味Output_layer_cクラスバックプロパゲーション機能 を持つ ニューラルネットワーク の実装を始めます。 今回は 出力層 をインスタンスとして生成する Output_layer_c クラスを設計します ...
機械学習

重み更新式の意味

≪【前の記事】バックプロパゲーション重みの更新式の意味今回は前回記事で得たバックプロパゲーションにおける 重みの更新式 の意味を考えます。 出力層の重み更新式$d-1$ 層 $i$ 番ニューロンから $d$ 層 $j$ 番ニューロンに入力さ...
機械学習

バックプロパゲーション

≪【前の記事】平均誤差の計算 損失関数の勾配ニューラルネットワークは、ある層の出力値の線形結合を次の層に渡すことを繰り返すので、ネットワークからの出力ベクトル $\boldsymbol{y}$ には、入力ベクトル $\boldsymbol{...