1本研究を進めるにあたり、大変お忙しい中指導教員として終始多大なご指導を賜った、松山大学経営学部経営学科教授檀裕也先生に深謝する。■■■■年■月から■月にかけて画像のエントロピーによる機械学習モデルの性能評価に関する研究の一部成果を発表した画像電子学会第■■■回研究会およびFIT■■■■第■■回情報科学技術フォーラムの各種セッションにおける質疑応答その他の時間に研究テーマについて議論していただいた全国の研究者の皆さまに感謝の気持ちを申し上げる。ニューラルネットワークによる機械学習には、複数のクラスに分類された画像の学習モデルにおいて、データセットおよびテスト画像の特徴によって認識精度の違いがある。特に、学習用のデータについてエントロピーの高い画像で構成した学習モデルとエントロピーの低い画像で構成した学習モデルを比較した。そのとき用いたエントロピーは、画像の色彩に関する情報を主とする特徴に着目したカラー画像エントロピーおよび画像の形状に関する情報を主とする特徴に着目した差分エントロピーである。具体的には、データセットCIFAR-■■に対して、誤差逆伝播法の手法による認識精度の低い画像の特徴を捉えるために、各種エントロピーを使って比較した実験の結果について述べ、極端にエントロピーの高い画像を除外して学習モデルを生成すると認識性能が向上し、カラー画像エントロピーに比べて差分エントロピーのほうが有用であると示唆される実験結果を紹介する（阿部・檀■■■■a）（阿部・檀■■■■b）。エントロピーによる画像学習AIモデルの性能評価謝辞概要経営学部情報コース■年次生阿部莉子〈金賞〉エントロピーによる画像学習AIモデルの性能評価
元のページ ../index.html#8