ニューラルネットワークとディープラーニング-5-2

ニューラルネットワークとディープラーニング

amazon kindle版を出版しました。

---

 隠れ層2の場合-2

　ニューラルネットワークの構造の中では学習により重みが変更されて、適切な結果が出力されているのであるが、ブラックボックスのため中を見ることはあまりないが、irisデータの入力が各ノードとどのような関係になるかを、図3.3.5の計算結果を用いて、図3.3.6のように入出力関係を示す。入力は最大の値である1を入力している。

図3.3.6　入出力の関係（隠れ層1，2のノード数10）

　図3.3.7(a)よりVersicolorは、がくの長さに大きく依存していることが分かります。また、がくと花びらどちらも、幅と長さは分かれていることが分かります。

　がくと花びらの関係は、全く分かれているわけではなく、一部重なりがあります。これは、図3.1.1、図3.1.2に重なりがあることからも理解できます。がくと花びらという分類では重なりが生じているということになります。図3.3.8(c),(d)より、がくと花びらの長さと幅で分類されているということが分かります。

まとめると、
　図3.3.7の入出力の関係より
・Versicolorは、がくの長さに大きく依存している
・がくの幅と花びらの幅の出力の様子から、幅では分類できないと考えられる。
・これらから、がくの長さ、花びらの長さ、がくと花びらの幅の3種類の分類になるのではないかと推測できる。

　図3.3.8の入出力の関係より
・がくと花びらでは、出力の対応は一部逆になっているところもあるが、重なっているところもある。
・がくと花びらの長さと幅では、出力がほぼ逆になり、長さと幅で分類が可能

　ただし、これらの状態は入力を1とした場合に現れる現象であり、それぞれの組み合わせにより、出力は複雑に変化する。参考の1例としてほしい。