活性化関数

記事数:(7)

活性化関数とは?ニューラルネットワークに非線形性を与える関数の種類と使い分けを解説 深層学習

活性化関数とは?ニューラルネットワークに非線形性を与える関数の種類と使い分けを解説

活性化関数がニューラルネットワークで果たす重要な役割を解説。ReLUやシグモイドなど主要関数の特徴と使い分けが学べます。
ソフトマックス関数とは?多クラス分類を支える仕組みをわかりやすく解説 深層学習

ソフトマックス関数とは?多クラス分類を支える仕組みをわかりやすく解説

画像分類AIが「犬70%、猫20%、鳥10%」と答えられるのはソフトマックス関数のおかげです。複数の候補を確率に変換するこの仕組みを、計算の直感とともに解説します。
シグモイド関数とは?出力を確率に変える活性化関数をわかりやすく解説 機械学習

シグモイド関数とは?出力を確率に変える活性化関数をわかりやすく解説

どんな数値も0〜1の間に押し込むS字カーブ——シグモイド関数は「出力を確率として読む」ための道具です。ニューラルネット史を支えた関数の役割と限界を解説します。
ReLUとは?ディープラーニングの定番活性化関数をわかりやすく解説 深層学習

ReLUとは?ディープラーニングの定番活性化関数をわかりやすく解説

「0以下は0、それ以外はそのまま」——拍子抜けするほど単純なこの関数が、ディープラーニングのブレイクスルーを支えました。ReLUが定番になった理由を解説します。
勾配消失問題とは?ディープラーニングの学習を妨げる壁と対策を解説 深層学習

勾配消失問題とは?ディープラーニングの学習を妨げる壁と対策を解説

ディープラーニングは長年「深くすると学習できない」という壁に阻まれていました。その正体が勾配消失問題です。なぜ起きるのか、どう克服されたのかを歴史とともに解説します。
Swishとは?ReLUを超える性能を示した活性化関数を解説 深層学習

Swishとは?ReLUを超える性能を示した活性化関数を解説

Googleの研究から生まれた活性化関数「Swish」は、定番のReLUを上回る性能を示して注目されました。数式の意味と特性、使いどころを解説します。
ステップ関数とは?ニューラルネットワーク最初期の活性化関数 機械学習

ステップ関数とは?ニューラルネットワーク最初期の活性化関数

入力がしきい値を超えたら1、それ以外は0——最もシンプルな活性化関数がステップ関数です。パーセプトロンでの役割と限界を解説します。