13目の要素、!$!は、入力に対して各成分が正で成分の合計が■になるように調整する関数であるソフトマックスの出力!$の!番目の要素である。!は物体クラスの正しいクラス分け確率分布、!$は予測された確率分布を表しており、交差エントロピー誤差は正しいクラス分け確率分布と予測された確率分布が一致するときに最小となる。正しいクラス分け確率分布では正しい物体クラスの確率が■、それ以外の物体クラスの確率が■であるので、ソフトマックスの出力が、正しい物体クラスに■、それ以外に■の値を持つように学習が進む。またこの式において、対数"#!は自然対数である。またAccuracy（正確度）とは、予測値の真の値との一致の度合いと定義されており、今回の様な画像分類においては、予測した物体クラスが正解の物体クラスとどれくらいの割合で一致しているかを表す。本研究では、このAccuracy（正確度）も評価値として使用する。各モデルのLoss（損失関数）とAccuracy（正確度）を表■に示す。学習モデル表の値は、各モデルに一番Accuracyの高いものを採用している。エントロピーによる画像学習AIモデルの性能評価Loss■．■■■全画像学習モデル■．■■■半数画像学習モデル■．■■■高カラー画像エントロピー画像学習モデル■．■■■高差分エントロピー画像学習モデル■．■■■低カラー画像エントロピー画像学習モデル低差分エントロピー画像学習モデル■．■■■トリム学習モデル（カラー画像エントロピー）■．■■■トリム学習モデル（差分エントロピー）■．■■■Accuracy■．■■■■．■■■■．■■■■．■■■■．■■■■．■■■■．■■■■．■■■■．■．モデルの精度比較結果表■．LossおよびAccuracy比較図表■より、トリム学習モデルのAccuracyが高く、高エントロピー画像学習モデルのAccuracyは低いことが見て取れる。特に高カラー画像エントロピー■．結果と考察
元のページ ../index.html#20