===== NNC(Neural Network Console)(SONY)で回帰分析 ===== ---// 2019/10/20 更新// 個人的に、画像から、数値を出したいとき、どのようにすればよいのか悩んでいました。しかし、2017年8月時点で、KerasやTensorflowでは、MNISTやCifar-10など、画像の分類問題はたくさんコードが転がっているのですが、回帰分析のコードをググっても、写経できそうなコードは見つけられませんでした。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ますが、なんか、どうしても実装できなませんでした。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） 2017/8/21\\ http://twosquirrel.mints.ne.jp/?p=19839 {{:pasted:20170821-002419.png}} チュートリアルの、02_binary_cnn.sdcproj の、Sigmoid と、BinaryCrossEntropyを削除して、その代わりに、SquaredErrorを入れれば、MNISTの４と９の分類問題が、そのまま回帰分析になります。 {{: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。

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)\\ 3672円 ===== 参考 ===== 公式マニュアル\\ https://blog.dl.sony.com/259/\\ 日本語のドキュメントがあって、しかも、読めば読むほど、非常に分かりやすく丁寧に書かれている！とにかく、公式マニュアルを繰り返し読んで、Neural Network Consoleを実行していくのが一番です。 http://s0sem0y.hatenablog.com/entry/2016/05/22/215529\\ 2016-05-22 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。 https://support.dl.sony.com/docs-ja/%E3%83%81%E3%83%A5%E3%83%BC%E3%83%88%E3%83%AA%E3%82%A2%E3%83%AB%EF%BC%9A%E5%85%A5%E5%8A%9B%E7%94%BB%E5%83%8F%E3%82%92%E5%85%83%E3%81%AB%E9%80%A3%E7%B6%9A%E5%80%A4%E3%82%92%E6%8E%A8%E5%AE%9A%E3%81%99/ チュートリアル：入力画像を元に連続値を推定する ===== リンク ===== 次： \\ [[sidebar|目次]]\\ 前： [[NNC(SONY)で自前データで画像分類]] \\