【機械学習】バタイユゲームデータで史実の勝敗を予想（２）
つづき （２）フランス軍の負け予想 前回の（１）勝ち予想と違う点は、下図の赤下線部分である。その他は、（１）と 同じプログラムである。 負け予想の混同行列、正解率、（１）と同じゲームの予想は、以下の通り。 史実が負 … 続きを読む 【機械学習】バタイユゲームデータで史実の勝敗を予想（２）
【機械学習】バタイユゲームデータで史実の勝敗を予想（１）
機械学習を利用して、バタイユゲームのデータから史実の勝敗を予想してみる。 もちろん、ゲームの勝敗は無理である。しかし、ゲームが再現しようとしている環境 から史実の勝敗が予想できるのか興味があった。そこで、試してみた。 … 続きを読む 【機械学習】バタイユゲームデータで史実の勝敗を予想（１）
【機械学習】バタイユゲームのプレイ時間予想
機械学習を利用して、バタイユゲームのプレイ時間を予想してみる。 １．基本データ バタイユゲーム情報班のホームページで紹介してきたゲーム概要に 次の情報が入っている。 ・ゲームマップ ：縦横のHEX数 ・ゲームユ … 続きを読む 【機械学習】バタイユゲームのプレイ時間予想
【機械学習】画像認識の試行錯誤（７／Ｅ）
つづき １２．処理速度 １２．１ CPUとGPU １０項までのパラメータとCNN構造で正解率０．８８６２を得た時の 処理時間は１０１．６秒で２３ｓｔｅｐであった。この時の環境では、 CPU（Core i5-9600K … 続きを読む 【機械学習】画像認識の試行錯誤（７／Ｅ）
【機械学習】画像認識の試行錯誤（６）
つづき ９．学習率の変更 codExaのテキストでは、０．００００１となっていた。他の値に変えた時の正解率は下記のとおりである。 一般的には、学習率の小さい方が正解率が上がると言われている。しかし、下記の結果は、そうで … 続きを読む 【機械学習】画像認識の試行錯誤（６）
【機械学習】画像認識の試行錯誤（５）
つづき ６．損失関数の変更 binary_crossentropy（交差エントロピー）が基準であるが、他の関数に変えた時の 正解率を調べることにする。なお、CNNの構造は、前回の５．２．１とした。 やはり、基準の bi … 続きを読む 【機械学習】画像認識の試行錯誤（５）
【機械学習】画像認識の試行錯誤（４）
つづき ５．CNN構造の変更 ５．１ 基本形 基本形は、下図のように入力層、畳込み層（conv）×１、プーリング層（maxpool）×１、 全結合層（dense）×２、出力層から構成されている。 ５．２ 畳込み層 … 続きを読む 【機械学習】画像認識の試行錯誤（４）
【機械学習】画像認識の試行錯誤（３）
つづき ４．パラメータを変えたときの正解率 （１）フィルタ数 codExaのテキストでは３２となっていた。他に６４，９６とした時の正解率は下記のとおりである。 フィルタ数に比例している訳ではない。（２）以降はフィル … 続きを読む 【機械学習】画像認識の試行錯誤（３）
【機械学習】画像認識の試行錯誤（２）
つづき ３．基本形のコーディング例 Jupyter Notebookを使ったコーディング例は、下記のとおりである。 ３．１ モデルのタイプ指定からプール層まで 主なパラメータは下記の４ケである。 （１）フィルタ … 続きを読む 【機械学習】画像認識の試行錯誤（２）
【機械学習】画像認識の試行錯誤（１）
ニューラルネットワークを使った画像認識を行い、色々なパラメータで 正解率がどのように変わるのか試してみた。 １．背景 機械学習では、codExaさんに大変お世話になりました（無料講座）。 そこに下記の有 … 続きを読む 【機械学習】画像認識の試行錯誤（１）