Chainerの基本オブジェクトについて書いています．
今回はlinksについてです．

#links
linksはfunctionsと似ていて，Variablesを変数に持つ関数を提供します．
違いはというと，functionsは関数にパラメータを持ちませんが，linksはパラメータを持ちます．
具体的に見ていきます．

#Linear
例えば，l層が3個のノード，l+1層が4個のノードから構成されているとします．

これは，l層の出力（l+1層の入力）をyとすると，その写像は

y = wx + b

という線形で表すことができます．

linksはこのように，層から層への写像を提供します．この場合，パラメータはwとbです．

これを（ノード3からノード4の層へ），linksで表現すると，

>>> from chainer import links as L
>>> y = L.Linear(3, 4)

wには適当な値が，bには0が入っています．

対してfunctionsは活性化関数や誤差関数などに用いる関数を提供しました．sigmoid関数を見てわかるように，

y =  \frac{ 1 } { 1 + e^{-x} }

パラメータはありません．

ニューラルネットワークにおいて，このパラメータを推定することが鍵となります．

では，次回はそのパラメータ推定のために重要なChainオブジェクトについて書きます．

#参考

新納浩幸
Chainerによる実践深層学習～複雑なNNの実装方法～　オーム社