画像入力をもつ線形ニューラルネットワークによるダイズ草姿判別モデル

概要

論文の詳細を見る
育種の選抜などにおいて一貫性のある草姿評価は重要であり，そのために，これまで定量的な評価手法が開発されてきた．しかし，それらの多くは材料特有の形状特徴量を必要とし，開発された手法をそのまま新しい材料に適用することは困難だった．一方，画像を直接入力するニューラルネットワークに基づいた，形状特徴量の必要ない判別モデルが提案された．それは，ダイズ草姿評価に適用され，良好な結果が得られたが，ネットワークアーキテクチャが多層パーセプトロンであったため，最適な構造や内部パラメタの決定が難しく，学習に多大な計算コストがかかる，という問題があった．そこで，本研究では，ニューラルネットワークの構造を自動的に決定でき，学習にかかる計算コストが小さい線形ニューラルネットワークを用いて，ダイズ草姿の定量的判別を検討した．その結果，判別誤差は多層バーセプトロンの場合とほぼ同様であったが，多層バーセプトロンのもつ問題点を解決できた．線形ニューラルネットワークが，構築しやすさの点でダイズ草姿判別モデルとして優れていること，構造が単純であるにもかかわらずダイズ草姿のような複雑に変異する形状に適用できることを示せた．
農業情報利用研究会の論文

画像入力をもつ線形ニューラルネットワークによるダイズ草姿判別モデル

スポンサーリンク

概要

著者

関連論文

スポンサーリンク