検索

Pythonコードで理解するニューラルネットワーク入門

Pythonコードで理解するニューラルネットワーク入門

ニューラルネットワークの仕組みや挙動を、数学理論からではなく、Pythonコードから理解しよう。フルスクラッチでニューラルネットワーク（DNN：Deep Neural Network）を実装していく。

■ 基礎編 ■

第1回　Pythonでニューラルネットワークを書いてみよう（2022/02/09）

  • 本連載（基礎編）の目的
    ・本連載（基礎編）の特徴
  • ニューラルネットワークの図
  • 訓練（学習）処理全体の実装
  • モデルの定義と、仮の訓練データ
  • ステップ1. 順伝播の実装
    ・1つのノードにおける順伝播の処理
    ・重み付き線形和
    ・活性化関数：シグモイド関数
    ・活性化関数：恒等関数
    ・順伝播の処理全体の実装
    ・順伝播による予測の実行例
    ・今後のステップの準備：関数への仮引数の追加

第2回　図とコードで必ず分かるニューラルネットワークの逆伝播（2022/02/16）

  • ステップ2. 逆伝播の実装
    ・逆伝播の目的と全体像
    ・損失関数：二乗和誤差
    ・1つのノードにおける逆伝播の処理
    ・（1）逆伝播していく誤差情報
    ・（2）活性化関数を偏微分
    ・（3）線形和を重み／バイアス／入力で偏微分
    ・（4）各重み／バイアス／各入力の勾配を計算
    ・逆伝播の処理全体の実装
    ・逆伝播の実行例

第3回　Pythonで実装するニューラルネットワークを完成させよう（2022/02/28）

  • ステップ3. パラメーター（重みとバイアス）更新の実装
    ・1つのパラメーターの更新
    ・パラメーター更新の処理全体の実装
    ・パラメーター更新の実行例
  • 3つのステップを呼び出す最適化処理の実装
    ・最適化処理：学習方法と勾配降下法
    ・最適化の処理全体の実装
  • 回帰問題を解くデモ

■ 応用編 ■

第4回　NumPyでニューラルネットワークをフルスクラッチ実装してみよう（2022/06/22）

  • 本連載（応用編）の目的
  • 本連載（応用編）のポイント
  • NumPyのインポート
  • 訓練（学習）処理全体の実装
  • モデルの定義と、仮の訓練データ
  • ステップ1. 順伝播の実装
    ・1つの層における順伝播の処理
    ・重み付き線形和
    ・活性化関数：シグモイド関数
    ・活性化関数：恒等関数
    ・順伝播の処理全体の実装
    ・順伝播による予測の実行例
    ・今後のステップの準備：関数への仮引数の追加
  • ステップ2. 逆伝播の実装
    ・損失関数：二乗和誤差
    ・1つのノードにおける逆伝播の処理
    ・（1）逆伝播していく誤差情報
    ・（2）活性化関数を偏微分
    ・（3）線形和を重み／バイアス／入力で偏微分
    ・（4）各重み／バイアス／各入力の勾配を計算
    ・逆伝播の処理全体の実装
    ・逆伝播の実行例
  • ステップ3. パラメーター（重みとバイアス）更新の実装
    ・1つのパラメーターの更新
    ・1つの層内にある全パラメーターの更新
    ・パラメーター更新の処理全体の実装
    ・パラメーター更新の実行例
  • 3つのステップを呼び出す最適化処理の実装
    ・最適化の処理全体の実装
  • 回帰問題を解くデモ

■ 発展編 ■

ページトップに戻る