競馬展開予測を畳み込みニューラルネットワーク（CNN）で勉強中のTigerOddsです。前回は学習させる画像の設計を行いました。
今回は畳み込みニューラルネットワークの設計を改善します。
まず２つの設計要素Batch Normalization(B)とDropuout(D)を追加しました。
２つの要素については「楽しみながら理解するAI・機械学習入門」で勉強しました。
１）Batch Normalization（バッチ正規化）
https://data-analytics.fun/2021/09/11/understanding-batch-normalization/
２）Dropout（ドロップアウト）
https://data-analytics.fun/2021/11/13/understanding-dropout/
(B)と(D)をCNNのどこに追加するかというと
「全結合の後、活性化関数の前」という事で
図のように CMRのブロックのMとRの間にBNとDを挟んでみました。
そして学習結果は90世代で正解率66.34%と記録更新！
BNとDはAI学習に効果あるんですね。
学習曲線も安定してます。
今までは30世代から過学習に陥りやすかったのが、
バッチサイズも2048と増やして100世代まで行けるようになりました
次はCMR→CM+B+ND+Rのブロック層を増やしてみる実験を行うとともに
含水率を追加してみますかね。それではまた