BETA

ニューラルネットワーク わかりやすくしてみた

投稿日:2020-01-09
最終更新:2020-01-12

ニューラルネットワークの基礎をまとめる

Chainerで始めるニューラルネットワーク ←わかりやすい!
ニューラルネットワークで重回帰分析をする図を作りました
分析テーマは「都市の旅行客数を予測する」です

  • 距離:東京からの距離
  • 気温:平均気温
  • 人口:その都市の人口

入力層・隠れ層・出力層

入力層
分析に使うデータをインプットする
→ 入力層のノード数は説明変数の個数と同じ

隠れ層
インプットされたデータを分析する
隠れ層は複数作成できる
中間層とも言う

出力層
分析された結果を出力する
犬か猫かだったら「0か1」、回帰分析など値を予測したら「500」(結果そのまま出力)

重み

入力値を隠れ層に渡すときには重みが掛けられる
(隠れ層1→隠れ層2…も重みが掛けられる)

重みは「この入力値の重視度」を値にしたもの
重みの値を大きくする → 分析結果に与える影響を大きくする
(結果と高い相関がある変数だったら重みの値を大きくする)

バイアス

ニューラルネットワークと人間のバイアス(偏り)
入力データの偏りを調整する値
偏りが結果に良い影響(予測精度が上がる)を与える → バイアスの値を大きくする

活性化関数

活性化関数のまとめ(ステップ、シグモイド、ReLU、ソフトマックス、恒等関数)
各ノードで分析された結果を
「どういう値で出力(または次のノードへ渡す)するか」を決める関数

図では以下の時に活性化関数を使う

  • 入力層 → 隠れ層
  • 隠れ層 → 出力層

シグモイド関数、ReLUを使う…はイマイチ分かっていないので勉強中です!

技術ブログをはじめよう Qrunch(クランチ)は、プログラマの技術アプトプットに特化したブログサービスです
駆け出しエンジニアからエキスパートまで全ての方々のアウトプットを歓迎しております!
or 外部アカウントで 登録 / ログイン する
クランチについてもっと詳しく

この記事が掲載されているブログ

だいたい急に挑戦してゴールにたどり着かずに飽きる日々です

よく一緒に読まれる記事

0件のコメント

ブログ開設 or ログイン してコメントを送ってみよう