ニュートラルネットワーク（重みとバイアス）

##ポイント
・ニュートラルネットワークのノードに入力されたデータは　➀線形変換　➁非線形変換　を経てノードから出力される。そのデータは出力されたノードと隣あうノードの入力データとなる。この流れが出力層まで繰り返されていく。
・線形は直線で表現され、非線形は曲線で表現できる。
・重みとバイアスを用いて入力データに対して線形変換が行われる。
・非線形変換では今回、シグモイド曲線を用いた。非線形曲線は別名活性化関数と呼ぶ。

##ソース

import numpy as np
import matplotlib.pyplot as plt

def nuro(x,y,bias):
  #xとyについてそれぞれ-1.0,-0.8,-0.6　…　10個のデータを作成する
  X=np.arange(-1.0,1.0,0.2)
  Y=np.arange(-1.0,1.0,0.2)
  #0詰めの10×10の行列を準備
  z=np.zeros((10,10))

  for i in range(10):
    for j in range(10):
      #線形変換の実施
      u=X[i]*x+Y[j]*y+bias
      #非線形変換(シグモイド曲線）の実施
      y=1/(1+np.exp(-u))
      #非線形変換後の数値を行列に格納する
      z[j][i]=y

  #グリッド表示
  plt.imshow(z,"gray",vmin=0.0,vmax=1.0)
  plt.colorbar()
  plt.show()

#メイン関数
def main():
  #複数の重みの準備
  w_x=[1.0,2.0,3.0]
  w_y=[3.0,5.0,7.0]

  #複数のバイアスの準備
  bias=[0.1,0.2,0.3]

  for i,j,k in zip(w_x,w_y,bias):
    nuro(i,j,k)

if __name__ == "__main__":
    main()

#出力

##・図よりわかること
1に近いほど、白く活性化度が強い。逆に、0に近いほど、黒く活性化度が弱い。重みやバイアスを調整することで、微妙に座標に対する活性化度が変化することがわかる。

##補足【シグモイド曲線について】

import numpy as np
import matplotlib.pyplot as plt
def sigmoid(a):
  return 1/(1+np.exp(-a))

a=np.arange(-5,5)
b=sigmoid(a)

plt.plot(a,b)
plt.show()

#出力

#・シグモイド曲線の特徴
シグモイド曲線のおかげで、出力データは0～1の間に収束することができる。

##関連記事
ニュートラルネットワーク(重みとバイアス)応用