ディープラーニングによるモデル化

ウィキペディア小見出し辞書

ディープラーニングによるモデル化

出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2017/08/30 02:00 UTC 版)

「UZU UZUインデックス」の記事における「ディープラーニングによるモデル化」の解説

上記ハッカソンにおいては、気象情報を含む12項目（大気圧、気温、降水量、日照時間、相対湿度、露点、可視距離、日付等）に対応付けて12のニューロンを入力層とし、20個および30個のニューロンをそれぞれの層に持つ2層の隠れ層（中間層）を利用、UZU UZUインデックスを出力するための１つのニューロンを出力層としたニューラルネットワークのモデルを発表しており、UZU UZUインデックスのシミュレーション値に対して88％の予測精度が達成されたとされている。シミュレーション・アルゴリズムにおいて3日間の気象情報を用いて各日のUZU UZU インデックスを作成している一方、ニューラルネットワークでは当日の気象情報のみ活用しているだけで88％の精度が達成できていることにはその理由が議論を呼んでいる。目下のところの考察では、採用したシミュレーション・アルゴリズムでは前日、前々日の影響が低いことと、当日の気象情報の値は、前日、前々日の値に影響を受けている為であると想定される。当初計画では、履歴情報を蓄積するモデルであるLSTMもしくは、過去7日間の気象情報を入力値としたモデルを想定していたこともあり、今後への取り組みとして、当初計画に沿ったモデル作成実験実施の余地がある。