More Related Content
What's hot
What's hot (20)
Similar to Py conkyushu2018
Similar to Py conkyushu2018 (20)
Recently uploaded
Recently uploaded (14)
Py conkyushu2018
- 2. 自己紹介 2 名前：志村 朋人 所属：九州大学大学院修士2年 経歴：子供プログラミング先生 トゥクトゥクの人 紙飛行機Japan Finalist 好きな言語：Python
- 3. もくじ 3 1 2 3 人工知能とは ANN (Artificial Neural Network) とは Kerasで実装
- 4. 1. 人工知能とは 4
- 5. 1. 人工知能とは 知能を機械的に再現（表現）したもの • お掃除ロボット • 自動運転 • 音声認識 • 検索エンジンの最適化 5 データをもとに学習し、成長するシステム
- 6. 1. 人工知能とは -機械学習- 6 新垣結衣 ふむふむ
- 7. 1. 人工知能とは -機械学習- 7 これも新垣結衣だ
- 8. 1. 人工知能とは 8 Artificial Intelligence Machine Learning Neural Network
- 9. 1. 人工知能とは 9 Artificial Intelligence Machine Learning Neural Network
- 13. 2. ANNとは これらを組み合わせることで、人工的にニューラルネットワー クを再現したものを Artificial Neural Network (ANN) といいます。 13 出力1 出力2 入力1 入力2 入力3
- 14. 2. ANNとは -形式ニューロン- 複数の入力を受け取り、一つの出力をします。出力は、入力 の重要度と閾値によって決まります。 14 入力1 入力2 入力3 出力 重み1 重み2 重み3 閾値
- 17. 2. ANNとは -形式ニューロン- 複数の入力を受け取り、一つの出力をします。出力は、入力 の重要度と閾値によって決まります。 17 チャート 話題性 将来性 仮想通貨 始める！ 0.5 0.3 0.2 0.8 𝜍 𝑥 = 1 1 1 + 𝑒−𝑎𝑥シグモイド関数
- 18. 2. ANNとは -全能性- 全能性について。形式ニューロンは、重みと閾値を調整する ことでNANDゲートを作成できます。 18 0 or 1 0 or 1 -1 -1 -1.5
- 19. 2. ANNとは -画像識別機- ANNを使うことで、いろんな人工知能を作ることができます。 今回は、Convolution Neural Network(CNN)を用いて、画像識 別機の作り方を簡単に紹介します。 19
- 22. 3. Kerasで実装 -準備- 画像の用意ですが、今回割愛させていただきます。 私は、AzureのBing Web Search APIを使用して画像データを 集めました。 画像データは、 新垣結衣: 559枚 有村架純: 377枚 本田 翼: 355枚 となっております！ 22
- 23. 3. Kerasで実装 -準備- ディレクトリの構成は下記のようにしました。 23 Colab Notebooks ┣ cnn.ipy ┗ imgs ┣ aragaki ┣ arimura ┗ honda
- 25. 3. Kerasで実装 -ドライブと連携- “!”を使って、unixコマンドを使ってパッケージをインストールし ます。 次に、Google drive との連携を行います。 25
- 26. 3. Kerasで実装 -ドライブと連携- 最後に、ディレクトリを用意し、マウントしたら driveの中身を Colab 上で使えるようになります。 !ls data_path は、data_pathのディレクトリの中身をリスト形式 で表示するコマンドです。 26
- 33. 3. Kerasで実装 -モデル構築- CNNを作ってモデル作成します！ CNNとは、ざっくり言うと画像をいい感じに圧縮し(特徴量だけ を抽出、際立たせ) て学習していく感じです。 33
- 34. 3. Kerasで実装 -convolution- CNNを作ってモデル作成します！ CNNとは、ざっくり言うと画像をいい感じに圧縮し(特徴量だけ を抽出、際立たせ) て学習していく感じです。 34 引用: http://cs231n.github.io/convolutional-networks/
- 35. 3. Kerasで実装 -convolution- CNNを作ってモデル作成します！ CNNとは、ざっくり言うと画像をいい感じに圧縮し(特徴量だけ を抽出、際立たせ) て学習していく感じです。 35 引用: http://cs231n.github.io/convolutional-networks/
- 36. 3. Kerasで実装 -CNN- CNNを作ってモデル作成します！ CNNとは、ざっくり言うと画像をいい感じに圧縮し(特徴量だけ を抽出、際立たせ) て学習していく感じです。 36 引用: http://cs231n.github.io/convolutional-networks/
- 37. 3. Kerasで実装 -CNN- CNNを作ってモデル作成します！ CNNとは、ざっくり言うと画像をいい感じに圧縮し(特徴量だけ を抽出、際立たせ) て学習していく感じです。 37 引用: http://cs231n.github.io/convolutional-networks/
- 38. 3. Kerasで実装 -pooling- CNNを作ってモデル作成します！ CNNとは、ざっくり言うと画像をいい感じに圧縮し(特徴量だけ を抽出、際立たせ) て学習していく感じです。 38 引用: http://cs231n.github.io/convolutional-networks/
- 40. 3. Kerasで実装 -モデル構築- まず今回はSequentialモデ ルを使います。 Sequentialは、リスト形式に 層を組むモデルなので、add で気軽に層を追加すること ができます。 最後は確率で欲しいので softmax関数を使います。 40 𝑝𝑖 = 𝑒 𝑦 𝑖 𝑒 𝑦 𝑘 Softmax 関数
- 41. 3. Kerasで実装 -モデル実行- 次にモデルのコンパイルをします。 今回は、最適化関数にAdaptive moment estimation(Adam) 使います。 あとは実行するだけです！ 41
- 43. 3. Kerasで実装 -結果のプロット- 43 80%