kakts https://blog.hatena.ne.jp/kakts/ kakts-log https://kakts.dev/ ニューラルネットワーク 機械学習 前回の記事でニューラルネットワークの出力に対する活性化関数にシグモイド関数を使うことを紹介しました。 今回では、分類問題をニューラルネットワークをつかって解く際に、活性化関数としてよく使われるソフトマックス関数についてまとめます。 ソフトマックス関数とは 数式で表すと以下のとおりになります。 ソフトマックス関数の利点と特徴 ソフトマックス関数の特徴としては、大きく２つにわけられます。 - 出力の各要素の値域が となる - 出力の総和が1となる この２つのうち、2番目がニューラルネットワークで使う上で重要となります。 なぜならば、出力値の各要素の総和が1になるので、出力層の各ユニットの値を確率と… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fkakts.dev%2Fentry%2F2017%2F02%2F02%2F005027" title="ソフトマックス関数についてのまとめ - kakts-log" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> http://chart.apis.google.com/chart?cht=tx&chl=%20%7B%5Clarge%20y_k%20%3D%20%5Cfrac%20%7Bexp%28a_k%29%7D%20%7B%5Csum_%7Bi%3D0%7D%5En%20exp%28a_i%29%7D%7D Hatena Blog https://hatena.blog 2017-02-02 00:50:27 rich https://kakts.dev/entry/2017/02/02/005027 1.0 100%