ニューラルネットワーク

ニューラルネットワーク とは : 人間の脳のモデル化
ニューロンの機能は基本すべて同じ (活性化関数は共通)
非線形な微分可能な関数を用いる
ニューロンは複数の層をなす
信号は、(基本)入力から出力へ一方向に進む(ループは作らない)
隣り同士の層のニューロンの間だけ接続し、それは基本、全結合
ニューロンとニューロンの接続部分には「重み(重用性)」が付けられている
例 : パーセプトロン/単純パーセプトロン/多層パーセプトロン/CNN(全結合でない)/RNN(ループがある)
原理的に微分可能な関数なら近似可能
ニューラルネットワーク の機能の実現
ニューラルネットワーク の特性は、その構造(層の数と層内のニューロンの個数)と重みから決る
構造:変化しない(重みを 0 にする事により、接続を切る事が可能)
重み:この値を「適切に変更する事(学習)」によって機能が実現される
ニューラルネットワーク の学習
(基本)教師有り学習
学習データを用いる事により、重みを調整する (バックプロパゲーション:誤差逆伝播法)
多層(deep layer)の学習 (learning) => Deep Learning