今すぐ登録して、25,300件以上登録されている、業界エキスパート指導のコースを受講しましょう。
活性度を判断する
これまで見てきたように、 隠れ層の各ニューロンには 活性度が設定されています。 言ってしまえば明るさのレベルで、 明るいニューロンほど活性度が高く、 暗いニューロンほど活性度は低くなります。 活性度は、それぞれの接続の 重みによって決まります。 たとえば、入力層に 3個のニューロンがあります。 各ニューロンは画像の1つの ピクセルに相当します。 ここでは、この3つのピクセルが それぞれ黒であるとします。 つまり、ピクセルの値は1です。 この黒いピクセルのそれぞれが、 第1隠れ層のすべてのニューロンに 接続します。 3つのピクセルから第1隠れ層の 20個のニューロンすべてに、 20個ずつの接続があるわけです。 また、各接続は重み付けされています。 つまり、入力層から第1隠れ層への接続を オンにするためのダイヤルが 60個あることになります。 ここで、入力層の最初のニューロンに、 20の異なる重み付けをしたとします。 重みは0から1の間の数値で、 マイナスになる場合もあります。 つまり、0.5、0.2、0.8、0、1といった 重みがあるわけです。 重みによって、隠れ層がこの黒い ピクセルをどう処理するかが決まります。 それは犬の黒目の部分や、 鼻を構成するピクセルかもしれません。 背景の暗い空である可能性もあります。 それぞれの重みによって、隠れ層の ニューロンが入力層のピクセルを 処理する方法が決まるわけです。 重みが大きいほど、 つまり線が緑であるほど、 隠れ層のニューロンがこのピクセルに つける値は大きくなります。 一方、重みが小さいほど、 つまり線が赤であるほど、 このピクセルの値は小さくなります。 隠れ層の活性度は、入力層の625個の ニューロンについて、それぞれの 活性度をかけることで計算します。 このようにして、第1隠れ層のニューロンの 値に設定する重みが決まります。 この例では、活性度は1です。 これに0.5の重みをかけたとすると、 0.5という数値が第1隠れ層の そのニューロンに設定されます。 隠れ層の各ニューロンは1つずつ処理され、 ニューロンに各接続の重みが かけあわされていきます。 つまり、入力層から第1隠れ層までに 12,500回の計算が行われます。 625個のニューロンがあり、それぞれに 20個の接続があるからです。 ここで少し問題なのは、…
エクササイズファイルを使って実践してみましょう。
インストラクターがコースで使用しているファイルはダウンロードできます。見て、聞いて、練習することで、理解度を深めることができます。
コースをダウンロードして学習しましょう。
ラーニングコースをダウンロードしてオフラインで視聴しましょう。ダウンロードしたコースはLinkedInラーニングのモバイルアプリ (iOSまたはAndroid) で視聴できます。