深入探究類神經網路！——類神經元的運算

類神經元模型

符號函數 類神經元模型

符號函數

在本章節中，我們先介紹「符號函數」，它是其中一種「激勵函數」，

這個函數可以將大於0的數字歸類在+1的類別，小於0的數字歸類在-1的類別，

以數線來視覺化的話，會像是下圖的樣子。假設綠點是屬於+1的類別，黃點是屬於-1的類別。

這時候，我們再深入討論一件事，如果我想比較的值不是0，而是另外一個數值𝜃，

那我該怎麼辦呢？

雖然這在類神經網路中，並不是交給「激勵函數」處理，我們也在模擬4-2才會看到它，

但在這裡討論，我們認為這樣才能夠更清楚了解這樣的處理方法。

當你想要比較的值不是0，卻還是想將數值分類成+1和-1時，

事實上就只要簡單地將這些數值「平移」，全部減去𝜃即可。

符號函數

正式進入到本章的重點吧，以下就是我們的主角「符號函數」。

這個函數的運作非常簡單，不過它達成「分類」這件事，算是類神經網路中的重要角色呦。

(試著在方格中輸入數字，並按下計算)

重點總結

在本章節中，我們認識到符號函數，並且認識到我們如何將比較值更改為𝜃，

在本章的最後，我們還是想提醒你，符號函數的用意之一，是「分類」，

它能夠將你想處理的資料或數值，轉換成+1或-1，

在後續的章節，我們會介紹更多激勵函數，希望你在學習的過程中，

都能理解到，挑選某種激勵函數都是有其用意的，我們並不會隨機選取一種激勵函數作為運用。

回到最上方