12. Tomomi Research Inc.
3 Layer Neural Network
2017/9/11
Original Adding bias Adding Activate function
13. Tomomi Research Inc.
Activate function on output layer
2017/9/11
? 機械学習の問題は、大きく分けて2種類
1. 回帰問題 (Regression )
2. 分類問題 (Classfication)
活性化関数σ
回帰問題 恒等関数
分類問題
分類 シグモイド関数
多重分類
ソフトマックス
関数
14. Tomomi Research Inc.
Activate function on output layer
2017/9/11
活性化関数σ
回帰問題 恒等関数
分類問題
分類 シグモイド関数
多重分類
ソフトマックス
関数
回帰問題: 入力データから連続的数値を
予測する問題。
例えば、写真に写っている人物の体重
(54.7kg)を予測する。
恒等関数
15. Tomomi Research Inc.
Activate function on output layer
2017/9/11
活性化関数σ
回帰問題 恒等関数
分類問題
分類 シグモイド関数
多重分類
ソフトマックス
関数
ソフトマックス関数
分類問題 : 被測定物がどのクラスに属している
かを判断する問題。
例:写真の動物をみて、その種類を判別する。
猫:95% , 犬:1% , イルカ:0.5% , 虎:3.5%
16. Tomomi Research Inc.
Number of neurons at output layer
2017/9/11
In case of reading handwriting numbers.
the # of neurons will be 10. (0,1,2,… 9)
17. Tomomi Research Inc.
いよいよMNIST
2017/9/11
Handwritten digits :
forward propagation in neural network
https://rstudio.github.io/tensorflow/tutorial_mnist_beginners.html
* Mixed National Institute of Standards and Technology
database
19. Tomomi Research Inc.
Summary
1. Activate function at NN : Sigmoid, ReLU function
2. 回帰問題、 分類問題
3. 出力層の活性化関数:回帰問題 恒等関数、 分類問題 ソフトマックス関数
4. 分類問題での、出力層のニューロンの数
5. MNIST実装
2017/9/11