HOME > natural science Laboratory > コンピュータ・シミュレーション講座 > ゼロから作るDeep Learning

ゼロから作るDeep Learning
層数とニューロン数による学習効果の違い

文責:遠藤 理平 (2017年4月28日) カテゴリ:ゼロから作るDeep Learning(15)

昨今注目を集めているAI(人工知能)を学びたいと思い立ち、ディープラーニング(Deep Learning、深層学習)と呼ばれるAIの数理モデルである多層構造のニューラルネットワークを書籍「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」を参考にを独習していきたいと思います。本書籍ではプログラミング言語としてPythonが利用されていますが、本項ではJavaScriptで実装していきます。

目次


層数とニューロン数による学習効果の違い

前項では6層(1-10-10-10-10-1)の順伝播型ニューラルネットワークを用いて三角関数を学習させた後の、各層のニューロン間をつなぐ重み(多重配列)がどのような値になっているかを調べました。 次に気になるのは層数や各層のニューロン数によって学習効果がどのように異なるかを調べてみました。なお、任意の関数は3層ニューラルネットワークの中間層のニューロン数を増やすことでいくらでも近づけることが証明されています。

実行結果

次の結果は3層ニューラルネットワークの中間層のニューロン数を10個、100個、1000個とした場合と、各層ニューロン10個の中間層を1層、2層、3層、4層、5層とした場合の学習回数に対する損失関数の値です。



▲このページのトップNPO法人 natural science トップ

関連記事

ゼロから作るDeep Learning







▲このページのトップNPO法人 natural science トップ