[Deep Learning]ゼロから作るDeep Learning復習
パーセプトロン
P21~23(2024/7/9)(reviewID : 0, count : 1)
穴あき
パーセプトロンとは()の起源となる()である
パーセプトロンは()の入力を受け()の出力をする
入力は電流で()、()である
入力にはそれぞれ重みが()される。重要度が()ほど重みは高くなる。
出力も0/1であり入力の合計が一定の値、()を超えた場合に()を出力する。
回答
パーセプトロンとはニューラルネットワークの起源となるアルゴリズムである
パーセプトロンは複数の入力を受け一つの出力をする
入力は電流で流れない/流れる、0/1である
入力にはそれぞれ重みが乗算される。重要度が高いほど重みは高くなる。
出力も0/1であり入力の合計が一定の値、閾値(しきいち)を超えた場合に1を出力する。
P23~26(2024/7/10)(reviewID : 1, count : 1)
穴あき
パーセプトロンで表現されるゲートは3種類。()、()、()。
全てのゲートはパーセプトロンの()、()と()で表現される。
パーセプトロンの出力には以下のの数式が用いられ、0を超えたら1、超えないと0を返す。
()
この数式のbは()と呼ばれ、()ものである。
回答
パーセプトロンで表現されるゲートは3種類。全べての入力が1の時に1を返すAndゲート、いずれかの入力が0の時に1を返すNandゲート、いずれかの入力が1の時に1を返すOrゲート。
全てのゲートはパーセプトロンのパラメータ、重みと閾値で表現される。
パーセプトロンの出力には以下のの数式が用いられ、0を超えたら1、超えないと0を返す。
b+w1x1+w2x2
この数式のbはバイアスと呼ばれ、閾値を-1でかけたものである。
P26~35(2024/7/11)(reviewID : 2, count : 1)
穴あき
パーセプトロンの数式に用いられるバイアス、bは()パラメーター
XORゲートは()に1を返す
パーセプトロンの弱点は()にある。しかし()、そのためXORゲートは()と呼ばれる。
入力の組み合わせ(0/1)をグラフに落とした際に出力結果(0/1)を()線形、()非線形である。
答え
パーセプトロンの数式に用いられるバイアス、bは発火しやすさを表すパラメーター
XORゲートは片方だけが1の時に1を返す
パーセプトロンの弱点は単層でXORゲートを表現出来ない事にある。しかし複数層(多層パーセプトロン)にする事で表現出来るようになり、そのためXORゲートは多層構造ネットーワークと呼ばれる。
入力の組み合わせ(0/1)をグラフに落とした際に出力結果(0/1)を直線で分けられるのが線形、直線ではなくカーブした線などを使って分けるのが非線形である。
ニューラルネットワーク
P35~45(2024/7/12)(reviewID : 3, count : 0)
穴あき
ニューラルネットワークの大きな強みは()にあります。
活性化関数とは()
ステップ関数とは()で、()
ニューラルネットワークとパーセプトロンの違いは()。パーセプトロンは()を使用する。
シグマイド関数は()。計算式は()
回答
ニューラルネットワークの大きな強みは重みをデータから自動で決められる所にあります。
活性化関数とは入力信号の総和を出力信号に変換する関数
ステップ関数とは活性化関数の一つで、閾値を境に出力の0/1を切り替える関数
ニューラルネットワークとパーセプトロンの違いは使用する活性化関数。パーセプトロンはステップ関数を使用する。
シグマイド関数はニューラルネットワークで多く使用される活性化関数。計算式は
1÷(1+exp(-x))
この記事が気に入ったらサポートをしてみませんか?