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③ソフトマックス関数の微分その2

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モデル式の導出過程が分かります …

ロジスティック回帰①

Table of Contents こちらを読むとロジスティック回帰とは何が嬉しいかシグモイド関数モデル式まとめReference こちらを読むと 機械学習のロジスティック回帰の概要を知ることができま …

SIerエンジニアが1年間AIを勉強して感じること

Table of Contents こちらを読むと結論:AI職は、エンジニアの上位職ではなく、別物著者についてAI職と一般エンジニアとの違い機械学習エンジニアが一般エンジニアと違うところ機械学習のモデ …

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 …

ロジスティック回帰③ 勾配法

Table of Contents こちらを読むと交差エントロピー誤差関数のおさらい勾配法(勾配降下法)まとめReference こちらを読むと ロジスティック回帰の勾配法でパラメータを決定する手法を …

Twitterフォロー

Twitterタイムライン