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