<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<oembed>
  <author_name>aisinkakura_datascientist</author_name>
  <author_url>https://blog.hatena.ne.jp/aisinkakura_datascientist/</author_url>
  <blog_title>初心者データサイエンティストの備忘録</blog_title>
  <blog_url>https://aisinkakura-datascientist.hatenablog.com/</blog_url>
  <categories>
    <anon>サイエンス</anon>
  </categories>
  <description>はじめに 一般的に機械学習モデルを構築する際には、教師データからモデルが分類ルールを獲得する必要があります。この分類ルールを獲得することは「学習」と呼ばれ、機械学習モデルに含まれるパラメータを調整して損失関数を減少させることで実現します。つまり、機械学習モデルの学習とは、パラメータを入力とする損失関数の最小化問題を解くことにあたります。 深層学習における損失関数の最小化には、広く「勾配降下法」が使われます。勾配降下法は、初期値を設定し、その値を繰り返し更新して損失関数を最小化する手法です。そのため、最終的な結果の精度は、最初に設定する値、つまり初期値に大きく左右されます。この記事では「どのよう…</description>
  <height>190</height>
  <html>&lt;iframe src=&quot;https://hatenablog-parts.com/embed?url=https%3A%2F%2Faisinkakura-datascientist.hatenablog.com%2Fentry%2F2024%2F10%2F28%2F135415&quot; title=&quot;【深層学習】パラメータの初期化手法をどのように選択すべきか？活性化関数に応じて決める - 初心者データサイエンティストの備忘録&quot; class=&quot;embed-card embed-blogcard&quot; scrolling=&quot;no&quot; frameborder=&quot;0&quot; style=&quot;display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;&quot;&gt;&lt;/iframe&gt;</html>
  <image_url>https://cdn-ak.f.st-hatena.com/images/fotolife/a/aisinkakura_datascientist/20241009/20241009172047.jpg</image_url>
  <provider_name>Hatena Blog</provider_name>
  <provider_url>https://hatena.blog</provider_url>
  <published>2024-10-28 13:54:15</published>
  <title>【深層学習】パラメータの初期化手法をどのように選択すべきか？活性化関数に応じて決める</title>
  <type>rich</type>
  <url>https://aisinkakura-datascientist.hatenablog.com/entry/2024/10/28/135415</url>
  <version>1.0</version>
  <width>100%</width>
</oembed>
