教師有り学習とニューラルネットワーク

ニューラルネットワーク

定義：人間の脳のしくみ（ニューロン間のあらゆる相互接続）から着想を得たもので、脳機能の特性のいくつかをコンピュータ上で表現するために作られた数学モデルです。

https://gyazo.com/f5e0a3f45fcff08a86f364c6ae18cffa

学習の方法としては教師あり学習と教師なし学習の２種類に分けられる。

コンピュータの学習の定義：出力層で人間が望む結果（正しい答え、正解）が出るよう、パラメータ（重みとバイアス）を調整する作業を指します。

この重みというのは、イメージとしてはシナプス結合の強さのように、データの閾値を判定基準にする上での基となるように、特定の個体ごとに値を設定したり（重み）、逆に値を偏らせるために広く同じ値を設定する（バイアス）ということである。

歴史：パーセプトロンという1958年にF.Rosenblattが提案した形式ニューロンで、形式ニューロンを複数並列に組み合わせた後、出力ニューロンで束ねるという2層の構造をとり、入力と出力の組み合わせを学習し、正しい応答をすることを示しました。しかし、パーセプトロンは流行したものの、すぐに理論的に学習できない問題が存在すること、世の中の問題の大部分はパーセプトロンでは解けないことがわかったことから廃れていった。

教師あり学習と教師なし学習

〇教師あり学習：

定義：「教師あり学習」とは通常は人間が教師役として「入力」と「正解データ」をコンピュータに与え、「入力」と「正解データ」をもとににコンピュータがそれらの特徴を学習していき、未知のデータについても判断できるようになります。

判別の種類が「識別」と「回帰」の２種類存在する。

識別：画像やドキュメントからどんな内容のものなのかを判定するもの　ex)迷惑メールの判別、色の分別

回帰：現在や過去のデータを入力として考え、今後のデータの傾向を予想するもの　ex)株価の推移

〇教師なし学習

定義：コンピュータ自身がクラスタリングとよばれる共通項をもつクラスタに分けたり、頻出パターンを見つけ出す学習方法です。

→つまり、コンピュータ自身で学び、傾向や相関などをとらえていく方法

具体例としては、スーパーの商品別の売上などが挙げられる。

このようなクラスタはビックデータでの分析に使用されています。

ニューラルネットワークとは

閲覧日：令和元年１２月９日