差分
ナビゲーションに移動
検索に移動
ページの作成:「'''活性化関数'''（かっせいかかんすう）とは、入力信号の総和がどのように活性化するか（発火するか）を決定する役割を...」
'''活性化関数'''（かっせいかかんすう）とは、入力信号の[[総和]]がどのように活性化するか（発火するか）を決定する役割を持つ。
超大雑把にいえば、[[ニューロン]]（の樹状突起）から受け取った複数の入力信号を、火力を表す１つのスプライングラフ（折れ線グラフ）状に変換し、次のニューロンに受け渡す役割をする。
「[[単純パーセプトロン]]（[[配列]]を入力に受け取り0か1の数字を返す単純な[[ニューラルネットワーク]]）」の活性化関数では「[[ステップ関数]]」などの[[線形関数]]が使われる。
[[file:ステップ関数.png|none|ステップ関数の例]]
「[[多層パーセプトロン]]（いわゆる最近流行りの[[機械学習]]の[[ニューラルネットワーク]]）」の活性化関数では「[[シグモイド関数]]」「[[ReLU関数]]」「[[恒等関数]]」「[[ソフトマックス関数]]」などの[[非線形関数]]が使われる。
[[file:ReLU関数.png|none|ReLU関数の例]]
超大雑把にいえば、[[ニューロン]]（の樹状突起）から受け取った複数の入力信号を、火力を表す１つのスプライングラフ（折れ線グラフ）状に変換し、次のニューロンに受け渡す役割をする。
「[[単純パーセプトロン]]（[[配列]]を入力に受け取り0か1の数字を返す単純な[[ニューラルネットワーク]]）」の活性化関数では「[[ステップ関数]]」などの[[線形関数]]が使われる。
[[file:ステップ関数.png|none|ステップ関数の例]]
「[[多層パーセプトロン]]（いわゆる最近流行りの[[機械学習]]の[[ニューラルネットワーク]]）」の活性化関数では「[[シグモイド関数]]」「[[ReLU関数]]」「[[恒等関数]]」「[[ソフトマックス関数]]」などの[[非線形関数]]が使われる。
[[file:ReLU関数.png|none|ReLU関数の例]]
