<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<oembed>
  <author_name>daiiz</author_name>
  <author_url>https://blog.hatena.ne.jp/daiiz/</author_url>
  <blog_title>#daiizメモ</blog_title>
  <blog_url>https://daiiz.hatenablog.com/</blog_url>
  <categories>
    <anon>機械学習</anon>
    <anon>tech</anon>
  </categories>
  <description>入力ベクトル（入力層のニューロン の集まり）を ，出力ベクトル（出力層のニューロン の集まり）を とする．また，この2つの層間の重みを表す行列を ，バイアスを とする．行列 の構成要素は以下のようにインデックスを振る． 行列内要素 は，入力層の 番目のニューロンから出力層の 番目のニューロンへの重みを表す． 入力層と出力層のみからなる超シンプルなニューラルネットワークは下の図のように描ける．今回は出力層と設定した層内のそれぞれのノードの入力に対して活性化関数を作用させて次の層に繋いでいこうと考えれば，これを中間層として扱うこともできる． 入力層の各ニューロンに与えられた値は，重みを掛けてバイア…</description>
  <height>190</height>
  <html>&lt;iframe src=&quot;https://hatenablog-parts.com/embed?url=https%3A%2F%2Fdaiiz.hatenablog.com%2Fentry%2F2016%2F11%2F13%2F235700&quot; title=&quot;ニューラルネットワークの内積 - #daiizメモ&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/d/daiiz/20161114/20161114023945.jpg</image_url>
  <provider_name>Hatena Blog</provider_name>
  <provider_url>https://hatena.blog</provider_url>
  <published>2016-11-13 23:57:00</published>
  <title>ニューラルネットワークの内積</title>
  <type>rich</type>
  <url>https://daiiz.hatenablog.com/entry/2016/11/13/235700</url>
  <version>1.0</version>
  <width>100%</width>
</oembed>
