1-3 ニューラルネットワーク『ゼロから作るDeep Learning』
from 『ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装』
ニューラルネットワークの仕組み | Chapter 1 Deep Learningを見て概要を理解
hr.icon
目次
3章　ニューラルネットワーク
3.1　パーセプトロンからニューラルネットワークへ
3.1.1　ニューラルネットワークの例
3.1.2　パーセプトロンの復習
3.1.3　活性化関数の登場
3.2　活性化関数
3.2.1　シグモイド関数
3.2.2　ステップ関数の実装
3.2.3　ステップ関数のグラフ
3.2.4　シグモイド関数の実装
3.2.5　シグモイド関数とステップ関数の比較
3.2.6　非線形関数
3.2.7　ReLU関数
3.3　多次元配列の計算
NumPyを使った配列
3.3.1　多次元配列
3.3.2　行列の内積
3.3.3　ニューラルネットワークの内積
3.4　3層ニューラルネットワークの実装
3.4.1　記号の確認
3.4.2　各層における信号伝達の実装
3.4.3　実装のまとめ
3.5　出力層の設計
3.5.1　恒等関数とソフトマックス関数
3.5.2　ソフトマックス関数の実装上の注意
3.5.3　ソフトマックス関数の特徴
3.5.4　出力層のニューロンの数
3.6　手書き数字認識
3.6.1　MNISTデータセット
3.6.2　ニューラルネットワークの推論処理
3.6.3　バッチ処理
3.7　まとめ
sync.icon #2024-05-08 14:37