その他令和8年6月29日

データ前処理、モデル構築、訓練および評価に関する記述

掲載日

令和8年6月29日

号種

政府調達

原文ページ

p.29

確認

出典：官報発行サイト（内閣府）の掲載情報をもとに整理しています。重要な確認は公式原文を基準にしてください。

本文と原文の対照

まず左側の本文を読み、必要な箇所だけ原文ページで確認できる構成です。

原文対照の表示オプション

テキスト位置ガイドを表示非公開領域をマスクする

令和8年6月29日|p.29|原文を見る

左の本文を選ぶと、右側の官報原文画像で該当箇所を照合できます。

公式原文あり本文テキスト画像照合可誤りを報告

## 2.2.3 模型构建

本实验采用卷积神经网络（CNN）作为基础模型架构。CNN是一种专门用于处理具有网格结构数据的深度学习模型，特别适用于图像识别任务。其核心思想是通过卷积层提取图像的局部特征，并通过池化层降低特征维度，从而实现对图像的有效分类。

## 2.2.4 模型训练

在模型训练过程中，使用交叉熵损失函数来衡量模型预测结果与真实标签之间的差异。同时，采用Adam优化器来更新模型参数，该优化器结合了动量法和自适应学习率的优点，能够有效地加速模型的收敛过程。为了防止过拟合，还引入了Dropout技术，在训练过程中随机丢弃一部分神经元，从而提高模型的泛化能力。

## 2.2.5 模型评估

模型训练完成后，使用测试集对模型进行评估。主要评估指标包括准确率（Accuracy）、精确率（Precision）、召回率（Recall）和F1分数（F1-Score）。这些指标能够全面反映模型在不同方面的性能表现，帮助我们了解模型的优势和不足。

読み込み中...

テキスト領域

選択中

非公開 (PII)

関連する新着公告を見逃さないために

Pro プランでは会社名・機関名・キーワードを監視条件として保存し、新着掲載を継続確認できます。14日間無料で試せます。