nnc_sony_で回帰分析

差分

この文書の現在のバージョンと選択したバージョンの差分を表示します。

この比較画面にリンクする

--- nnc_sony_で回帰分析 [2017/08/20]
adash333 [NNC(Neural Network Console)(SONY)で回帰分析]
+++ nnc_sony_で回帰分析 [2018/10/07] (現在)
@@ ライン 6: / ライン 6: @@
 よく、分類問題のニューラルネットワーク最後のソフトマックス関数を、恒等関数にすればよいと書いてあるのをみかけるが、なんか、どうしても実装できなませんでしたが、結局、損失関数 (loss function) として2乗和誤差 (mean squared error)を指定すればよいということが分かりました。
-以下に、Neural Network Consoleでの実装方法を記載しましたので、もしよろしければご覧ください。
+以下のリンクに、Neural Network Consoleでの実装方法を記載しましたので、もしよろしければご覧ください。
 NeuralNetworkConsole（SONY）で回帰分析（１）
@@ ライン 17: / ライン 17: @@
 {{:pasted:20170821-002221.png}}
+Training, Evaluationを行った結果が以下のようになります。
+{{:pasted:20170821-002819.png}}
+実装に役立つ機械学習の理論の勉強については、やはり、以下の本が一番のお勧めです。
+<html><a href="https://www.amazon.co.jp/%E3%82%BC%E3%83%AD%E3%81%8B%E3%82%89%E4%BD%9C%E3%82%8BDeep-Learning-Python%E3%81%A7%E5%AD%A6%E3%81%B6%E3%83%87%E3%82%A3%E3%83%BC%E3%83%97%E3%83%A9%E3%83%BC%E3%83%8B%E3%83%B3%E3%82%B0%E3%81%AE%E7%90%86%E8%AB%96%E3%81%A8%E5%AE%9F%E8%A3%85-%E6%96%8E%E8%97%A4-%E5%BA%B7%E6%AF%85/dp/4873117585/ref=as_li_ss_il?_encoding=UTF8&amp;psc=1&amp;refRID=QP0FZTYT6QNR4YDRBQF8&amp;linkCode=li3&amp;tag=twosquirrel-22&amp;linkId=dc0c774501f7190459105700cbdb5a42"><img src="http://ws-fe.amazon-adsystem.com/widgets/q?_encoding=UTF8&amp;ASIN=4873117585&amp;Format=_SL250_&amp;ID=AsinImage&amp;MarketPlace=JP&amp;ServiceVersion=20070822&amp;WS=1&amp;tag=twosquirrel-22" alt="" /></a><img src="https://ir-jp.amazon-adsystem.com/e/ir?t=twosquirrel-22&amp;l=li3&amp;o=9&amp;a=4873117585" alt="" width="1" height="1" />
+</html>
+ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装 単行本（ソフトカバー） – 2016/9/24\\
+斎藤 康毅  (著)\\
+円
 ===== 参考 =====
 公式マニュアル\\
@@ ライン 26: / ライン 39: @@
 ニューラルネットの表現力と回帰分析\\
 =>上の記事によると、ニューラルネットワークで回帰分析を行う意味はあまりないのかも？でも、個人的な好奇心でやってみたかったので、やってみました。
+===== リンク =====
+次：
+<wrap hi>
+</wrap>\\
+[[sidebar|目次]]\\
+前：
+<wrap hi>
+[[NNC(SONY)で自前データで画像分類]]
+</wrap>\\

nnc_sony_で回帰分析.1503242775.txt.gz · 最終更新: 2018/10/07 (外部編集)