Please enable JavaScript.
Coggle requires JavaScript to display documents.
Deep Learning (3 Layer Nural (testでは99％でSuccess (新データでは、すべてGenuine判定…
Deep Learning
3 Layer Nural
scikit learnで標準化
Test / genuine/imposter
19200,4800,600,2 non-Drop
testでは99％でSuccess
新データでは、すべてGenuine判定
入力データを標準化・非標準化
シングルデータの標準化が不明
学習カーブは緩やかに収束する
（99%Success)Test Dataは標準化
正則化なし
TensorFlow
1/255 -0.5 の簡易標準化
Img入力
Test H2AE/M2/U2ST
学習カーブは急峻
1.0に収束する
Imposterに偏って判定
19200,4800,600,2, non-Drop
L2のみ正則化
Dataの違いか？
そのものに違いがあるのか？
正しい値か？
学習・テストから似ているものを見つける
似ているものでNGであれば、汎用性がないと判断
正しい結果が得られない場合、このDataを学習できるのか？
どうのように学習させるのか？
通常であれば指数関数的に増えてゆく
他のDataの入力NGについて
入力を統一
OKデータを重ねて入力
連続データと同じ結果
連続データをシングルと同じにして入力