単層パーセプトロンでしきい値が実際に何をするのかを確認するのに問題があります。通常、しきい値の値に関係なく、データは分離されます。しきい値を低くすると、データがより均等に分割されるようです。これは何のために使われているのですか?
3 に答える
実際、バイアスを使用していないときは、しきい値を設定するだけです。それ以外の場合、しきい値は 0 です。
単一のニューロンが入力空間を超平面で分割することに注意してください。Ok?
X=[x1, x2]
ここで、2 つの入力、2 つの重みW=[w1, w2]
、およびしきい値を持つニューロンを想像してくださいTH
。方程式は、このニューロンがどのように機能するかを示しています。
x1.w1 + x2.w2 = TH
これは次と同じです:
x1.w1 + x2.w2 - 1.TH = 0
つまり、これは入力空間を分割する超平面方程式です。
このニューロンは、しきい値を手動で設定した場合にのみ機能することに注意してください。解決策は、TH を別の重みに変更することです。
x1.w1 + x2.w2 - 1.w0 = 0
用語1.w0
はあなたのバイアスです。これで、手動でしきい値を設定しなくても、入力スペースに平面を描くことができます (つまり、しきい値は常に 0 です)。ただし、しきい値を別の値に設定した場合、重みは方程式を調整するように適応します。つまり、重み ( BIASを含む) はしきい値の影響を吸収します。
重みと入力の積の合計が各ノードで計算され、値があるしきい値 (通常は 0) を超えると、ニューロンが発火し、活性化された値 (通常は 1) を取ります。それ以外の場合は、非アクティブ化された値 (通常は -1) を取ります。この種の活性化機能を持つニューロンは、人工ニューロンまたは線形閾値ユニットとも呼ばれます。
Daokの助けを借りて、私は今理解していると思います。他の人が見つけられるように情報を追加したかっただけです。
単層パーセプトロンのセパレータの方程式は次のとおりです。
Σw j x j +バイアス=しきい値
これは、入力がしきい値よりも高い場合、または
Σw j x j +バイアス > しきい値の場合、1 つのカテゴリに分類されます。
Σw j x j +bias < 閾値の場合、他に分類されます。
バイアスとしきい値は、線を変換するという同じ目的を果たします (ニューラル ネットワークにおけるバイアスの役割を参照してください)。ただし、方程式の反対側にあるため、それらは「負の比例」です。
たとえば、バイアスが 0 でしきい値が 0.5 の場合、これはバイアスが -0.5 でしきい値が 0 に相当します。