##はじめに
以前、機械学習の勉強をしていたが、サボりにサボってしまい、内容を忘れてしまった。
なので、機械学習の勉強を１からやっていきたいと思う。
本日は、ディープラーニングの基礎の基礎であるパーセプトロンの概念や式の理解を中心にアウトプットしていきたいと思う。
※この記事に関して何かアドバイスや誤りがありましたらコメントよろしくお願い致します。
##参考URL
- ５分でわかる！パーセプトロンの仕組みと実装方法（Python）（https://blog.apar.jp/deep-learning/11979/）
##1. パーセプトロンとは
パーセプトロンとは、コンピュータ上で人間の神経細胞を模倣しものの事を指す。
パーセプトロンの仕組みは、複数の入力(画像では、3つ)を重みと乗算しその総和が一定の決められた値(閾値)を超えたら、0か1を出力する。
また、1を出力することを、『ニューロンの発火』という。
言葉の定義:
-
入力 (x1,x2,x3):パーセプトロンに入力される値のことを指す。
-
重み (w1,w2,w3):入力として受け取った値の重要度を示す。
例えば、彼女にしたい女の人の条件を考えた時に、人によって顔を重視する人や性格を重視する人がいる。
もし、あなたが顔を重視して選びたければ、顔の重みを5、性格を1というように調整する。(文系みたいな例えですみません。)
- 閾値 (θ):限界値のこと。この値を超えるとニューロンが発火する。
- 出力 (y):0か1を出力する。
- バイアス(b):1を出力する度合を調整するための値。
※５分でわかる！パーセプトロンの仕組みと実装方法（Python）より引用
##2. パーセプトロンのモデル 入力編
パーセプトロンは複数の値(画像では、x1,x2,x3)を入力として受け取り、1つの値を出力する
この受け取った複数の値の重要度を示すために、重み(w1,w2,w3)を乗算します。
ここまでを式で表すと以下のようになる。
式: x1w1+x2w2+x3w3
このように、入力と重みを掛け合わせて、総和する。
##3. パーセプトロンのモデル ニューロン編
ニューロン(大きな丸)では、先ほど説明した総和が計算され(黄色い丸)、その値が活性化関数に渡される。
活性化関数とは、入力と重みの総和を出力に変換する変換機のことを指す。
活性化関数はたくさん種類があるが、ここでは代表的なステップ関数という活性化関数を紹介する。
##4. パーセプトロンのモデル 活性化関数(ステップ関数)編
ステップ関数は、閾値を境にして出力が切り替わる関数のことを指す。
入力した値が0より大きければ1を出力し、0より小さければ0を出力する。
一般的に『パーセプトロン(単純パーセプトロン)』の活性化関数で用いられる。
式で表すと、
［活性化関数］ステップ関数（Step function）とは？より引用
##5. 最後に
最後まで読んでいただきありがとうございました。
これからもたくさんアプトプットしていきたいと思いますので、お互いがんばりましょう。
最後に、記事に関してアドバイスや間違いの指摘は大歓迎ですので、よろしくお願い致します。