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CNN設計を改善しました。
今回もCNN設計です。
今まではCNNのモデルはストレートな1本道で行って来ました.
世界の優秀なCNNモデルの設計を見てみると、1本道ではなく複数に枝分かれをしています高度な画像認識では、視野を変えて観て、それを統合して判断しているようです。
そこでさっそく枝分かれを取り入れてみました。
CNNのモデル設計にはAddという部品があり、複数の枝分かれをしたネットワークをまとめる部品です。
2個のネットワークを統合する時はAdd2を使います。
n個のネットワークを統合する時はAddnを使います。
こんな感じに枝分かれして、左側は畳み込みを3X3で右側は7X7とサイズを変えてます。右と左を統合するときは出力を同じにしてAdd2でまとめます。
そして学習させました。正解率は66.87％と少しアップ
学習曲線は100世代で学習させましたが、90世代でベストスコア
100世代目でvalidationERRORが上昇しています。
しかし、少し上昇したグラフでもあきらめてはいけません。
もう少し学習させると、精度が上がる事があります。
次回は学習する世代を100から300にして結果をご報告します。