ゼロから作るDeepLearning第二章 パーセプトロン

#0.　第二章について
　第二章では、第三章から解説されるニューラルネットワークの単体パーツであるパーセプトロンについて語られるのじゃあ・・・。
　基本中の基本となるらしいので、ここをある程度理解しないと後々やばいのじゃ・・（体験談）

#1.　パーセプトロンとは
　パーセプトロンは、人間の脳の神経細胞を模したものであり、複数の入力を受け取って、ある信号を出力するのじゃ。
　パーセプトロンは複数のニューロンで構成されていて、各ニューロンから送られてきた信号に重みが乗算され、その総和がある限界値（閾値）を超えた場合に１を出力されるのじゃ。（基本的な場合のじゃあ）
　以下の図では、一つ一つの○がニューロンであって、矢印の部分の値が重みなのじゃ。図全体で一つのパーセプトロンを表すのじゃよ。計算式は

y = x_1*w_1 + x_2*y_2

　なのじゃあ！

#2.　パーセプトロンの特徴

##2.1　パラメータ
　パーセプトロンは複数のパラメータを持つのじゃあ・・
　具体的には

• 重み(w1, w2)
• バイアス(b)
• 閾値・出力値（またの名を活性化関数h）

などがあるのじゃあ・・・

パーセプトロンの行っている処理の計算式は以下のこうなのじゃ！

a = x_1*w_1 + x_2*w_2 + b\\
y = h(a)

上記の説明ではわらわ含めてちんぷんかんぷんのはずじゃあ・・
というわけでとりあえずそれぞれのパラメータを見ていった後、もう一度全体と数式を見直そうと思うのじゃあ・・

##2.2　重み w1, w2, w3...
　重みは図でいうと矢印の値ことなのじゃ。それぞれのニューロンがどれぐらいの関連度で結びついてるかを定めるのじゃあ・・・
　例えば、重みw1が１０００ぐらいだったら無茶苦茶ニューロンが結びついてて、重みw2が0だったら、最早ないに等しいのじゃ。

##2.3　バイアス b
　バイアスは英語だとbias。
　他のヒューロン間の重みとは独立していて、必ず足されるものじゃな・・・
　理解しずらかったら、中学数学で習ったy=ax+bの、y切片のbみたいなもんじゃと考えると分かり易いのかもしれないのじゃが・・
　バイアスを使用する理由としては、完全には理解してないのじゃが、必ず足す値としてバイアスを使用することで、ニューロンの反応しやすさをコントロールするためなのだと思うのじゃ・・・・理解が足りず申し訳ないのじゃ・・

##2.4 閾値・出力値・活性化関数h
　ここが一番パーセプトロンの理解で難しいと思うのじゃあ・・
　パーセプトロンは、複数のニューロンから受け取った信号の総和を、活性化関数hで変換してから出力するのじゃあ・・・

a = x_1*w_1 + x_2*w_2 + b\\
y = h(a)

　上の式を見てみるとまず
1.　それぞれのニューロンからの重み付きの信号を受け取る (x1w1 + x2w2)
2.　反応しやすさを決めるバイアスを足す (+b)
3.　総和を求める　(a = x1w1 + x2w2)
4.　活性化関数hで変換をする
　という処理を行っているのじゃ・・
　
比較的1~3は理解しやすいと思うのじゃ・・・なぜならそれぞれのニューロンからの信号を受け取って足し算をしているだけなのじゃ・・
4では、何をやっているかというと、パーセプトロンの表現を豊かにするために、活性化関数をかけているのじゃ・・・
　まあドーピングキメて気持ちよくなっているみたいなもんじゃな・・・

##2.5　活性化関数
　活性化関数って何なのじゃあ！って声が聞こえてきたのじゃあ・・・
　活性化関数は、入力された値に一手間加えて、表現豊かな値に変換して出力する関数なのじゃ・・・
　活性化関数がないと、線形的な値しか出ず、後々のニューラルネットワークがうまいこと行かず死んでしまうのじゃあ・・・
　ちなみに、活性化関数にはシグモイド関数だとか、Relu関数があるんじゃが・・・
　とりあえずそういう関数があるんじゃなと思ってほしいのじゃ。第三章で記述しようと思うのじゃ・・・

##2.6　パーセプトロンの特徴総括

a = x_1*w_1 + x_2*w_2 + b\\
y = h(a)

　
　一つ一つパラメータや関数を振り返ってみたのでパーセプトロンの処理を、処理の流れに沿って振り返っていこうと思うのじゃあ。

1. それぞれのニューロンから重みがかけられた信号を受け取るのじゃ
2. 反応しやすさをコントロールするためにバイアスが足されるのじゃ
3. 総和を求めるのじゃ
4. 活性化関数に先程求めた総和をぶち込むのじゃ
5. 活性化関数から出力された表現豊かな値を、また次のニューロンにぶち込むのじゃ

　以上のような流れでパーセプトロンは処理を行うのじゃあ・・・
　分かりづらかったら申し訳ないのじゃあ・・・

#3. なぜパーセプトロンを使うのか

　パーセプトロンを使用するのには理由があるのじゃあ・・・
　なぜなら、この後記述するニューラルネットワークはパーセプトロンの集合体でできており、DeepLearningの基本だからなのじゃ。
　パーセプトロンは構造が簡単で計算がしやすく、それを組み合わせるだけでDeepLearnigが出来るなんて夢のようじゃな・・・

#4. それぞれの章へのリンク
・自己流まとめホーム
・第二章 パーセプトロン
・第三章 ニューラルネットワークの学習
・第四章 ニューラルネットワークの学習
・第五章 誤差逆伝播法
・第六章 学習においてのテクニック
・第七章 畳み込みネットワーク
・第八章 DeepLearning

#5.　参考文献
書籍　ゼロから作るDeepLearning　オライリー・ジャパン
マークダウン記法　https://qiita.com/hiroyuki_hon/items/f2a779bb295fd12646ab