前章の検討により、モーメント法の計算条件は以下の通りとします。
深層学習の計算条件は以下の通りです。
図4-1に物体形状(label1)推定の損失とデータ数の関係を示します。
データ数が増えると、損失が小さくなると同時に収束が速くなり安定化します。
図4-2に物体形状(label1)推定のデータ数と正解率の関係を示します。
データ数が増えると、どちらの正解率も向上します。
図4-3に電流分布(label2)推定の損失とデータ数の関係を示します。
データ数が増えると、損失が小さくなると同時に収束が速くなり安定化します。
図4-4に図4-1と図4-3の損失をまとめたものを示します。
どちらも同じふるまいを示します。
これからデータ数を増やすと、物体形状と電流分布の両方が同様に正しく推定できることがわかります。
図4-5に18例の物体形状の推定結果を示します。
3個1組になっており、左から順に、正解、推定、判定です。
すべてのデータで推定と判定が正解によく合っていることがわかります。
図4-6に30例の電流分布の推定結果を示します。
2個1組になっており、左から順に、正解、推定です。
すべてのデータで推定が正解によく合っていることがわかります。
