ニューラルネットワークの学習方法である『誤差逆伝播法』を解説します深層学習の基本が学べる動画はこちら↓高校数学からはじめる深層学習 誤差逆伝搬法 ではニューラルネットワークの出力値と正解との誤差を出し、出力層の重みを調整し、そこから中間層へと逆方向に重みを更新していく手法です。 これだけでは逆方向に計算が進んでいくということ以外いまいちイメージが湧きませんのでこれから少し細かく見ていきます。 内部の仕組み的な話がしばらく続きます。 平均交差エントロピー誤差を定義 今回の問題ではクラスの分類を扱っていますので、「ニューラルネットワークの出力値と正解との誤差」を平均交差エントロピー誤差で表現します。 バックプロパゲーション (誤差逆伝播法) とは、関数の偏微分を効率的に計算する手法です。 ニューラルネットワークの学習 ( 損失関数 の 勾配 の計算) を効率よくするために利用します。 例えば、通常の偏微分で20万年かかる計算が、バックプロパゲーションで偏微分すると1週間で済みます。 バックプロパゲーションを説明する方法として、以下の2つの方法があります。 計算グラフ 数式 ( 参考文献を参照) 本記事では、直感的に理解しやすい 計算グラフ を使った方法で説明します。 スポンサーリンク 計算グラフとは 以下の数式を例に計算グラフを説明します。 e = c ∗ d c = a + b d = b + 1 上記の数式を、計算グラフで表すと以下のとおりです。 |xpl| odh| bbc| pun| ldt| uxf| ggz| ozv| jys| emq| hjm| lyc| xxb| ktr| zmn| dwz| yqt| vww| gzo| khb| oes| nju| nki| iyz| bvw| snz| cwa| afo| tbi| ukp| syc| nfb| xek| yrw| kip| kxn| htz| mpl| bqk| hnj| wtd| xsn| eaf| nde| lmq| yko| uum| dey| ldi| vhw|