derwind https://blog.hatena.ne.jp/derwind/ らんだむな記憶 https://randommemory.hatenablog.com/ machine_learning MOOC 活性化関数は全部シグモイド関数$\varsigma(\cdot)$としておく。 ネットワークは入力層, 中間層, 出力層の3層構成としておく。 入力層のユニット数を$s_1$, 中間層のユニット数を$s_2$, 出力層のユニット数を1とでもする。 入力を$x = (x_1, \cdots, x_{s_1})^T$として、$x_0 = 1$を入力段階でのバイアスとして、入力層での重みを$\Theta^1$とする。 \begin{equation} a^2 = \varsigma(\Theta^1 \widetilde{x}) \end{equation} が中間層への入力たるactivation… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Frandommemory.hatenablog.com%2Fentry%2F2015%2F09%2F06%2F005839" title="ニューラルネットワーク (2) - らんだむな記憶" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> Hatena Blog https://hatena.blog 2015-09-06 00:58:39 rich https://randommemory.hatenablog.com/entry/2015/09/06/005839 1.0 100%