Python、Kerasでディープラーニング①ニューラルネットの定義と活性化関数

PythonKeras

 

今回からPythonで使える機械学習のフレームワークKerasを利用してのディープラーニングの実装を行います。

基本のコード

Kerasの基礎であるモデルに関する基本のコードについて

 

活性化関数

ニューラルネットワークのニューロンが発火した際、どのような値が伝播さえるかを決定するのが活性化関数です。ここでは2種類の活性化関数を紹介します。

シグモイド関数

もっとも基本的な発火方法が0もしくは1の値を返すのに対し、シグモイド関数は非線形の関数で-から+の値までを曲線で返します。これによりニューロンの曖昧な回答が可能となります。

ReLU関数

ReLU関数はある入力までを0で返しそれ以上になると線形で返します。

入力、重み、バイアス、活性化関数の関係図

 

一つのデータの各要素に重みがかけられた値とバイアスを足した値を活性化関数に入れ発火した値が次のニューロンに伝わる。

脳の神経伝達はこの繰り返しだという考え方が機械学習の基礎のようです。

PythonKeras

Posted by Yuya