# ニューラルネットワーク設計の基礎

Affine、Linear、Fully Connected（全結合層）
異なるおもみWをかけてたす
活性化関数（）
Tanh　出力地をー１から１に収める
softmax　確率で表す

## CNN
Convoluiton とPoolingを繰りかえす

### Convoluiton という処理
画像にいくつかの異なるフィルターを通してやって、新し意画像を生み出していく（ボケた画像、シャープな画像など）
### Pooling
ダウンサンプリングする

Convoluiton はAffineとhかくして局所的な接続をもち、多くのパラメータが共有されている。
畳み込み→ダウンサンプリング→活性関数を組み合わせる

中間層の総数、ニューロン数、活性化関数の種類等の決め方、正解はない（）

## 最後の活性化関数と損失関数
解きたい問題に合わせ、活性化関数と損失関数を設定

二値分類・・Sigmoid、BinaryCrossentoropy

分類問題・・Softmax、CategoricalCrossentoropy

回帰問題（数値予測）・・活性化関数なし、損失関数SquareEoor（二乗誤差）