ニューラルネットワーク

ニューラルネットワークとは

ニューラルネットワークを簡単に説明すると、人間の脳の仕組みを応用した人工知能のモデルとなるものである。人間の脳にはニューロンとよばれる脳細胞があるが、これを模した仕組みであるためニューラルネットワークとよばれている。

「人工知能」という名の通り、脳を人工的に作り出すために考え出された技術がニューラルネットワークであるといえる。

ニューラルネットワークの構造

ニューラルネットワークは人間の脳細胞を模した仕組みである。

ニューラルネットワークの構造はニューロンと基本的には同様で、さまざまなデータをもとに出力を行う。このとき、「データ」を樹状突起と考えると分かりやすい。入力される情報が多ければ多いほど、判断材料も豊富になり正確なデータが出力される。

ニューラルネットワークの種類

ディープラーニングには欠かせないニューラルネットワークの仕組み。ディープニューラルネットワークの登場によって4層以上の多層に対応可能になった。

画像認識や自然言語処理の分野において利用される仕組みで、「CNN（Convolutional Neural Network）」ともいわれる。画像を認識する際に、画像全体像を比較するのではなく、局所的に一部分を切り取りながら対応付けをしていくというもの。

再帰型ニューラルネットワークは時系列を扱う際に利用されるもので、「RNN（Reccurent Neural Network）」ともよばれる。文章における文脈や日時データなどの連続的なデータを判断するときに多用される。

ニューラルネットワークの学習

過去の事例やデータなどを根拠に比較して判断する機械学習

過去のデータではなく入力データのみから判断する機械学習

ニューラルネットワークの分類と回帰

１．分類

分類とは教師あり学習のひとつで、複数の条件分岐などから予測を行う際に利用される。文字認識の例においては、過去のデータと照合し、その文字の特徴をつかむ際に応用することができる。

2．回帰

回帰とは連続したデータを読み取り、その傾向を読み取る際に利用する学習。分類と同様に教師あり学習に分けられる。

分類とは違い、その後どうなるかを予測するのではなく、データからどのような傾向が読み取れるかを分析する際に利用され、統計学にも似た仕組みといえる。

ニューラルネットワークとパーセプトロン

パーセプトロンの基本的な構造は、入力された情報に対して0または1のどちらかの結果を出力するというものである。そのため、ニューラルネットワークほど複雑な構造ではなく、実装可能なものも単純なシステムなどに限られる。パーセプトロンの実装事例としては、スパムメールの判定で特定の文字列が含まれるものを抽出するなども考えられる。

ニューラルネットワークの「層」として紹介してきたものは、このパーセプトロンのことを指す。複数のパーセプトロンの組み合わせを多層パーセプトロンともよび、この層が厚くなればなるほど人工知能としての精度も増していくことになる。