【G検定】シグモイド関数

【G検定まとめ】要点整理＆当日用カンペの項目別詳解ページです。

詳細な知識や実装は試験には必ずしも必須ではありませんが、試験対策として理解を深めたい方はぜひ最後までご覧ください。

G検定まとめはこちら

シグモイド関数

シグモイド関数は、ニューラルネットワークの活性化関数として広く使用されている関数です。この関数は、入力された値を0から1の間の値に変換し、その形状はS字型の曲線を描きます。シグモイド関数は、その滑らかな曲線の特性により、非線形な変換を提供し、ニューラルネットワークにおいて複雑なパターンやデータの分類を可能にします。以下のような数式で表現されます。

しかし、シグモイド関数にはいくつかの欠点もあります。特に、その微分の最大値が0.25しかないため、勾配消失問題（gradient vanishing problem）が発生しやすく、これは深層学習において学習効率を低下させる要因となります。勾配消失問題とは、ニューラルネットワークの層が深くなるにつれて、伝搬していく誤差が小さくなり、学習が進まなくなる現象です。

シグモイド関数の他にも、活性化関数には様々な種類があります。例えば、ReLU関数（Rectified Linear Unit）は、入力が0以下の場合は0を出力し、0以上の場合は入力値をそのまま出力します。ReLUは誤差逆伝播の際に勾配消失しにくい特性を持ちますが、入力が0以下の場合の微分値が0になるため、学習がうまく行かない場合もあります。他にも、tanh関数やソフトマックス関数などがあり、それぞれ特有の特性を持ちます。

シグモイド関数はまた、ロジット（logit）の逆関数としても知られ、統計処理の数値計算ライブラリでは標準シグモイド関数をexpit関数と呼ぶこともあります。シグモイド関数は、入力値が非常に大きいか小さい場合に0または1に漸近し、変曲点は(0, 0.5)で点対称の性質を持っています。

シグモイド関数のグラフ

シグモイド関数のグラフは以下のようなコードで実装することができます。

import matplotlib.pyplot as plt
import numpy as np

def sigmoid(x):
    return 1 / (1 + np.exp(-x))

x = np.linspace(-10, 10, 100)
y = sigmoid(x)

plt.figure(figsize=(8, 6))
plt.plot(x, y)
plt.title("Sigmoid Function")
plt.xlabel("x")
plt.ylabel("Sigmoid(x)")
plt.grid(True)
plt.show()

G検定学習法

最後までご覧いただきありがとうございました。

当サイトではG検定に役立つ情報をまとめています。

ぜひご覧ください。

参考書籍

①教科書として使用する書籍

体系的に知識を整理することができます。

まずは、この１冊を読んでG検定の学習を進めましょう。

検索機能が使用できるので、Kindle版が特におすすめです。

②問題集として使用する書籍

ある程度学習が進んだら、本番を意識して問題集に取り組みましょう。

本番の試験環境を意識して、このページ「要点整理＆当日用カンペ」を使用しながら解答してみましょう。

カテゴリー: G検定、資格

タグ: G検定

シグモイド関数

シグモイド関数のグラフ

G検定学習法

本サイトの活用方法

【G検定2024最新】試験当日も使える! 187項目の要点整理＆試験対策カンペ【新シラバス対応】

G検定シラバス改訂の概要と変更のポイント

【G検定2024まとめ】理解度確認問題集【直前対策】

【G検定まとめ2024】YouTube動画リスト（問題編）

【G検定まとめ2024】YouTube動画リスト（講義編）

【G検定まとめ2024】試験当日も使える! 要点整理＆試験対策カンペ【旧シラバス】

参考書籍

【G検定】人工知能のおおまかな分類

【G検定】tanh関数