機械学習

単純パーセプトロン①

投稿日:2019年1月31日 更新日:

こちらを読むと

  • ニューラルネットワークのパーセプトロンの概要を知ることができます

単純パーセプトロンとは

ニューラルネットワークの1種で、以下のような入力Xに重みwをかけて加算し、
出力yを取り出すネットワークです。

上記の図を式で表すと、以下のようになります。

$$
\begin{eqnarray}
y=\left\{ \begin{array}{ll}
1 & (w_1x_1+w_2x_2 +\cdots+w_nx_n \geq \theta) \\
0 & (w_1x_1+w_2x_2 +\cdots+w_nx_n < \theta) \\
\end{array} \right.
\end{eqnarray}
$$

ここで、以下のような関数を考えます。

$$
\begin{eqnarray}
f(x)=\left\{ \begin{array}{ll}
1 & (x \geq 0) \\
0 & (x < 0 ) \\
\end{array} \right.
\end{eqnarray}
$$

すると、ネットワークの出力yの式は、以下のように書き直すことができます。

$$
y = f(w_1x_1+w_2x_2 +\cdots+w_nx_n -\theta)
$$

まとめ

  • ニューラルネットワークのパーセプトロンの概要を知ることができました

次回は、上記の式変形を行い、ベクトル形式での式表示、および誤り訂正学習法の方法について説明します。

Reference

詳解ディープラーニング
https://book.mynavi.jp/manatee/books/detail/id=72424



-機械学習

執筆者:


  1. […] 前回のブログで、以下のような\(f(x)\)を定義すると、 […]

comment

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です

関連記事

多クラスロジスティック回帰④ ソフトマックス関数の微分

Table of Contents こちらを読むと前回のおさらいソフトマックス関数の微分(続き)まとめReference こちらを読むと 多クラスロジスティック回帰のソフトマックス関数の微分 の導出過 …

単純パーセプトロン②

Table of Contents こちらを読むとモデルの数式誤り訂正学習法の更新式まとめ こちらを読むと 単純パーセプトロンのモデルの数式での表し方が分かります モデルの数式 前回のブログで、以下の …

scikit-learn load_iris datasetのデータ観察

Table of Contents こちらを読むとデータ観察のソースコード散布図マトリクスの解説散布図の解説まとめReference こちらを読むと scikit-learnのload_iris da …

機械学習初心者のための入門本ランキング

Table of Contents こちらを読むと評価基準第1位:ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装第2位:Pythonで動かして学ぶ! あたら …

多クラスロジスティック回帰⑥ モデル出力を確率で

Table of Contents こちらを読むと確率の表し方まとめReference こちらを読むと 多クラスロジスティック回帰について、モデル出力を確率で表す方法が分かります 確率の表し方 前回ま …

Twitterフォロー

Twitterタイムライン