13. 予測値の更新:
→パラメータ を更新すれば、予測値 も更新される
パラメータの更新:それぞれの勾配を使う
→全部 ??
偏微分:その関数を、色々な変数で微分する
を で微分: 、 を で微分:
モデルのパラメータを更新
y =
new y − α ∗ ϕ (y)(yの勾配)
′
y = bx +
1 3 = b(ax + 5) + 3
a, b y
b =
new b − α ∗
b ϕ (y)(bの勾配)
′
a =
new a − α ∗
a ϕ (y)(aの勾配)
′
ϕ (y)
′
y a
∂a
∂y
y b
∂b
∂y
by @tree__and__tree 13
14. ⼊⼒︓x
x 1 =ax+5
y=bx 1 +3
b new =b-[bの勾配]
出⼒︓y
⽬的関数︓Φ(y)=(y-t) 2
正解︓t
bを更新
bの勾配を計算
の更新
代入すると、、、
モデルのパラメータを更新
b
b
=
new b − α
∗
b
∂b
∂ϕ
= b − α ∗
b ∗
∂y
∂ϕ
∂b
∂y
= b − α ∗
b 2(y − 10) ∗ x
1
b
=
new 1 − α
∗
b 2(12 − 10) ∗ 9
= 1 − α ∗
b 36
by @tree__and__tree 14
15. ⼊⼒︓x
x 1 =ax+5
a new =a-[aの勾配]
出⼒︓y
⽬的関数︓Φ(y)=(y-t) 2
正解︓t
aを更新
aの勾配を計算
y=bx 1 +3
の更新
←微分の数増えた!
代入すると、、、
モデルのパラメータを更新
a
a =
new a − α ∗
a
∂a
∂ϕ
= a − α ∗
a ∗
∂y
∂ϕ
∗
∂x
1
∂y
∂a
∂x
1
= a − α ∗
a 2(y − 10) ∗ b ∗ x
a =
new 2 − α ∗
a 2(12 − 10) ∗ 1 ∗ 2
= 1 − α
∗
a 8
by @tree__and__tree 15
18. x mid =f linear (x in )
X in
X out
x out =f nonlinear (x mid )
線形変換:1次関数
非線形変換:それ以外の関数(2次関数
も非線形)
活性化関数と呼ばれている
各層の中で線形変換→非線形変換を行っている
ことが多い
線形変換と非線形変換
by @tree__and__tree 18