Исследование влияния гиперпараметров на точность нейросетевого предсказания с использованием набора данных Fashion-MNIST

Abstract

В настоящее время в области машинного обучения и искусственного интеллекта активно исследуются методы оптимизации и настройки гиперпараметров моделей. Одно из ключевых направлений таких исследований – анализ влияния изменения гиперпараметров, таких как количество слоев двумерной свертки (Conv2D) и их параметры (число фильтров, размер ядра), размер и шаг слоев максимальной подвыборки (MaxPooling2D), количество нейронов в полносвязных слоях, функции активации, размер пакета (batch_size) и количество эпох обучения, на точность предсказания модели. В статье приведен анализ влияния изменения количества слоев двумерной свертки, параметров слоев максимальной подвыборки (размер окна и шаг), количества нейронов в полносвязных слоях, выбора функции активации, размера пакета и числа эпох обучения на точность предсказания моделей машинного обучения на наборе данных Fashion-MNIST в архитектуре сверточной нейронной сети.