tanhとは
tanhとは、ニューラルネットワークの活性化関数の一つで、入力値を-1から1の範囲に変換する
読み: タンハイパボリックタンジェント
ニューラルネットワークの活性化関数の一つで、入力値を-1から1の範囲に変換する。出力がゼロを中心に分布するため、勾配消失問題を緩和しやすく、隠れ層の活性化関数として広く使われてきた
かんたんに言うと
tanhは、ニューラルネットワークで使う関数で、数字を-1から1の間に収める役割がある。
tanh関数の数式表現
tanh関数は、以下の数式で表される。tanh(x) = (e^x – e^-x) / (e^x + e^-x)。ここで、eはネイピア数（約2.71828）である。この式からわかるように、tanh関数は指数関数を用いて定義されている。入力xが大きくなるほど1に近づき、小さくなるほど-1に近づく。
tanh関数の特徴
tanh関数の出力範囲は-1から1であるため、シグモイド関数（0から1）と比較して、より広い範囲の値を表現できる。これにより、ニューラルネットワークの学習効率が向上する可能性がある。また、tanh関数は原点対称な関数であるため、入力値が正と負の両方に対してバランスの取れた出力を生成する。この性質は、特定のニューラルネットワークの構造において有利に働く。
活性化関数としての利用
tanh関数は、ニューラルネットワークの隠れ層における活性化関数としてよく用いられる。入力層からの信号を変換し、次の層へ伝達する役割を担う。ただし、深いニューラルネットワークにおいては、勾配消失問題が発生する可能性があるため、ReLU関数などの他の活性化関数が用いられる場合もある。近年では、より複雑な活性化関数も登場している。
同じ失敗を二度としないAIエージェント
今のAIは、聞けば何でも答えてくれます。
でも、セッションが切れた瞬間に前回の失敗を忘れます。
当社が開発しているAIは、過去の経緯を念頭に置いて、
聞かれる前に「それは前回うまくいきませんでした」と声をかけます。
人間にも同じ失敗をさせず、AI自身も繰り返しません。
古参の社員が横にいるように、黙っていても気づいてくれる。
それが、当社が考える本当のAI社員です。