shun60s / chainer-peak-detect

ディープラーニングフレームワークのchainerによるピーク位置の推定

ディープラーニングフレームワークのchainerによるピーク位置の推定

内容

凸型のピークをもつ１Ｄデータの左端の第１ピークの位置(index)を推定する。
下図に１Ｄデータの例を示す。

学習モデル

入力64次元。5層のFCで中間層のユニット数は100。出力1次元。
学習する未知パラメーターの数は36901個ある。

モデルを可視化したグラフがdocsホルダーの中にあります。(docs/cg_MLP.png)

学習サンプル数と損失の関係

学習サンプル数を、4830個(-d 1.5), 18975個(-d 1.0), 241773個(-d 0.5)と変化させたときの損失(main/loss)の様子を下図に示す。

学習サンプル数が少ないと(4830,18975)、損失はより大きな値で止まり下がりきらない。 学習サンプル数は学習する未知パラメーター数よりも十分大きいものが必要のようだ。

プログラムとオプション

• make_dataset.py　データセットを作成する
• train.py chainerで学習する
• log_plot.py chainerのlog出力の中の損失をまとめてプロットする

オプション

• -d 　分割する幅を示す。値が小さいほど、細かく分割して、サンプル数が増す。　　

動作例

python make_dataset.py -d 1.0　train用のデータセットの作成
python make_dataset.py -d 1.5 test用のデータセットの作成
python train.py -d 1.0 -e 1000 1000エポック回、学習する
python log_plot.py　損失のプロット（任意）

ここではchainer 3.2.0を使っています。chainerのバージョンが違うとエラーが発生するかもしれない。

結果

学習サンプルを使っての判定でも正解率85～95%とよくない。

ライセンス

train.pyとplot_report_logscale.pyはchainerのレポジトリにあるものを変更したものです。chainerのライセンスについては、LICENSE-chainer.txtを見てください。
上記以外は、MITライセンスに従います。