11) 深層学習の技術的要素：最大プーリング層

                  図　最大プーリング層の概念

プーリング層は複数の入力をまとめる役割を持つ。プーリング層には平均値、加算値、最大値等の方法があり本研究では最大値を用いている。

プーリング層は画像の部分パターンから複数の値の代わりに1つの値を抽出する。これは学習データに対する過学習の可能性を減少させるものである。最大プーリングは縦・横方向の空間を小さくする演算である。ここでは2×2の中での最大値を代表値として要素を集約している。

最大プーリング層は微少な位置変化に対しても強く、分光反射スペクトルの吸収位置の誤差にも強いと考えられる。CNNでは畳み込み層と最大プーリング層で特徴量を抽出していく。図に最大プーリング層の概念を示す。

プーリングについてもパッディング同様にTEnsorflowの演算を用いることができる。tf.nn.max_poolメソッドを用いる。