【備忘録】パーセプトロンの学習規則
脳内のニューロンの働きを模倣した要素還元主義的なアプローチ,パーセプトロンモデルの学習規則について今日勉強したことを書いていく.
パーセプトロンのアルゴリズム
入力と重みベクトルを以下のように置くと
総入力と表される.
パーセプトロンのアルゴリズムでは決定関数は単位ステップ関数になっていて次の式で表される.
\begin{eqnarray}\phi (z) = \left\{ \begin{array}{ll}
1 & (z\geqq\theta) \\
-1 & (z<\theta) \end{array} \right.\\\end{eqnarray}
総入力が変数となって出力が決定されていき,そのをもとに重みが更新されていく.
重み更新の手順
1.重みをまたは値の小さな乱数で初期化(適当に値を決める)
2.トレーニングサンプルに対するラベルを用意する(教師データ)
3.出力値を計算
4.重みを更新(間違えたら更新)
これらをひたすら繰り返して最適な重みを見つける
重みの更新式
は学習率で0以上1未満
例えばここで,出力値1でラベルも1で,出力値とラベルが合致しているときは
となり
なので,更新されない.
合致していない時は,が0にはならないので重みが更新される.