ディープラーニングの肝は
「比率方式」と「しきい値」である
では、早速次の図を見てください。
こうして上流からバケツで水を流したときに、一番下の4つのバケツ、すなわちニューロンのうち、一番たくさん水がたどり着いたニューロンが正解、もしくは正解の可能性が高いというのがディープラーニングの考え方の基本です。
ここでは、一番左の「哺乳類」のバケツにより多くの水を集めたいとします。
そして、水が流れるときに、「恒温動物」「肺呼吸」「卵を産まない」「脚がある」という条件で水の流れが変わるとしましょう。
このときに、「脚がある」という水路が広過ぎると、そちらに水が流れ過ぎてしまって、脚がないクジラを哺乳類と判定できなくなってしまいます。
そこで、クジラが哺乳類であると判定できるようになるまで、水が流れ過ぎないように、「脚がある」という水路を狭めていきます。
ただ、その水路をゼロにしめてしまうと、ほかのすべての脚がある哺乳類まで「哺乳類ではない」と間違えてしまいますからそれは論外です。
すなわち、「水路の広さを変えながら正解にたどり着く。それがディープラーニングの基本的な考え方」なのです。
あくまでもたとえですが、水路の広さを調整するように経路の「重み」を変えて、何割がたどり着いたかの比率で判断をします。
