La fondation de la fondation Perceptron

introduction

Quand je me demandais quoi étudier à l'avenir, j'ai pensé que je devrais acquérir des connaissances liées à l'IA. Je garderai l'historique d'apprentissage dans Qiita. De la même manière, j'espère que cela aidera ceux qui essaient d'apprendre l'apprentissage automatique.

environnement

OS:windows 10 python3

À propos de Perceptron

Forme de base

Le Perceptron reçoit plusieurs signaux en tant que valeurs d'entrée et les émet vers un seul signal. L'image est comme la création d'un flux de signaux et la transmission d'informations vers la destination de sortie. On peut dire que le signal de Perceptron est "0" ou "1" avec deux choix de couler / ne pas couler. La figure ci-dessous montre un exemple de Perceptron à 2 entrées et 1 sortie.

2入力1出力パーセプトロン.jpg

x_1,x_2 =signal d'entrée\\
w_1,w_2 =poids\\
y=Signal de sortie

Chaque fois que le signal d'entrée est envoyé à un neurone, il est multiplié par un poids unique. 1 est émis lorsque le total dépasse une certaine valeur limite. C'est ce qu'on appelle le ** déclenchement des neurones **. Cette valeur limite sera utilisée comme valeur seuil à l'avenir. (Formule inférieure)

\theta =Seuil

Ce qui précède peut être résumé et exprimé dans la formule ci-dessous.

f(x) = \left\{
\begin{array}{ll}
1 & (w1x1 + w2x2 \, > \, \theta) \\
0 & (w1x1 + w2x2 \, \leqq \, \theta)
\end{array}
\right.

Perceptron a un poids pour chacun des multiples signaux d'entrée, et on peut voir que plus le poids est élevé, plus les informations sont importantes.

biais

Le biais est un paramètre qui ajuste la facilité de déclenchement des neurones. (Réglage du degré de sortie "1") La figure et la formule sont affichées ci-dessous.

バイアスを図に表す例.jpg

\Remplacez thêta par b\\ 
f(x) = \left\{
\begin{array}{ll}
1 & (w1x1 + w2x2 \, > \, b) \\
0 & (w1x1 + w2x2 \, \leqq \, b)
\end{array}
\right.
\\Transition\\ 
f(x) = \left\{
\begin{array}{ll}
1 & (b+w1x1 + w2x2 \, > \, 0) \\
0 & (b+w1x1 + w2x2 \, \leqq \, 0)
\end{array}
\right.

Comme le montre l'équation ci-dessus, la somme du signal d'entrée, de la valeur pondérée et du biais dépasse-t-elle 0? Vous pouvez voir que la valeur de sortie peut être contrôlée en fonction de cela.

Essayez de mettre en œuvre

Je vais l'exécuter en Python avec les pondérations et les biais appropriés.

1-1perceptron_and_bias.py


# coding: utf-8
import numpy as np

#Valeur d'entrée
x=np.array([0,1])

#poids
w = np.array([0.5, 0.5])

#Valeur d'entrée
b = -0.7

print(x * w)
print(np.sum(x * w)+b)

Résultat d'exécution


[0.  0.5]
-0.19999999999999996

J'ai pu utiliser un biais pour définir le résultat en dessous de 0.

Résumé

Je pense que ce sera une bonne sortie si vous vous en souvenez en l'exécutant en Python. Dans le domaine de l'apprentissage automatique, nous continuerons de le mettre à jour car ce n'est pas la pointe de l'iceberg.

Recommended Posts

La fondation de la fondation Perceptron
Bases de python ①
Principes de base du grattage Python
# 4 [python] Bases des fonctions
Bases des programmes réseau?
Bases de l'analyse de régression
Bases de python: sortie
Bases de l'apprentissage automatique (mémoire)
python: principes de base de l'utilisation de scikit-learn ①
Apprendre avec l'enseignant 1 Principes de base de l'apprentissage avec l'enseignant (classification)
Principes de base de XPath (1) - Concept de base de XPath
Principes de base de Python x SIG (1)
Principes de base de Python x SIG (3)
Paiza Python Primer 5: Principes de base des dictionnaires
Lire "Principes de base du recuit quantique" Jour 5
Premiers pas avec Python Bases de Python
Explication et mise en œuvre du perceptron simple
[À voir pour les débutants] Bases de Linux
Extraction de sujets de texte japonais 1 Bases
Revue des bases de Python (FizzBuzz)
Bases de la théorie de l'information quantique: Entropie (2)
Principes de base de Python x SIG (partie 2)
Principes de base pour toucher MongoDB avec MongoEngine
perceptron
Lire "Les bases du recuit quantique" Jour 6
À propos de la liste de base des bases de Python
Apprenez les bases de Python ① Débutants élémentaires
Bases du traitement d'images binarisées par Python
Bases de la théorie de l'information quantique: compression de données (1)
Apprenez à nouveau les bases de Theano
[Mémo d'apprentissage] Bases de la classe par python
[Python3] Comprendre les bases de Beautiful Soup
Visualisez la valeur limite du perceptron multicouche
Je ne connaissais pas les bases de Python
Bases de la théorie de l'information quantique: limites d'Horebaud
Principes de base pour exécuter NoxPlayer en Python
Principes de base de Tableau (visualisation à l'aide d'informations géographiques)
[Principes de base de Python] Pourquoi __name__ == "__main__"
Jupyter Notebook Principes d'utilisation
Bases de PyTorch (1) -Comment utiliser Tensor-
Bases de la théorie de l'information quantique: distance de trace
[Linux] Découvrez les bases des commandes shell
Gacha écrit en python-Practice 2 ・ Bases du step-up gacha-
[Python] Chapitre 02-04 Bases du programme Python (À propos des commentaires)
Bases de la théorie de l'information quantique: tomographie d'état quantique
[Python] Chapitre 02-03 Bases des programmes Python (entrée / sortie)
Bases de la théorie de l'information quantique: compression de données (2)
[Introduction au Data Scientist] Bases de Python ♬
[Python3] Comprendre les bases des opérations sur les fichiers
Apprenez en implémentant avec Scipy Les bases de la régression logistique et du perceptron multicouche