ニューラルネットワーク
人間の脳神経の動作原理にヒントを得て設計された、
複数の層からなるネットワーク構造を持つ機械学習モデル。 ニューラルネットワークは「ノード」や「ニューロン」と呼ばれる単位から構成される。 各ニューロンは、入力情報を取り込み、加工して出力する。
複数のニューロンは「層」を形成し、通常、複数の「層」が重ねられてニューラルネットワークが形成される。
それぞれの層は異なる役割を持ち、連携して複雑なタスクを解決します。
最初の層は「入力層」で、データを受け取ります。
最後の層は「出力層」で、最終的な結果を出力します。
これらの間にある層は「隠れ層」と呼ばれ、各々が特定の情報の特徴を抽出し、解析します。 ニューラルネットワークは「学習」によってその性能を向上させます。
この学習は、大量のデータをネットワークに供給し、
それが正確な結果を出力するように「重み」(各ニューロンの出力に影響を与える因子)を調整するプロセスです。
多くの分野で利用されています。しかし、その複雑さから理解や適切な訓練が困難であるという課題もあります。
ニューラルネットワーク
コネクショニスト・モデル (connectionist model)
脳の神経細胞に対応し単純な処理ユニットのネットワークを用いて、
人間の認知の仕組みを理解しようとするアプローチであり
入力信号の和が閾値を超えると、他の細胞またはユニットに信号を送る働きをする。
各ユニットは活性値をもち、学習によって結合荷重が変化する結合を通して
活性化を伝播、並列的に相互作用する。 知識は結合荷重のパ ターンとして表現され、
新たな知識の獲得は、 学習規則に基づいた個々の結合荷重の調節によってなされる。
外界の複雑な様相を柔軟かつ連続的に学習していくことができ,、
劣化した情報の補完や類似性に基づく一般化などが可能である。
実際の人間の脳神経系は,約1000億個の神経細胞から構成され、個々の神経細胞は約1万個の神経細胞と結びついている。神経細胞内の情報伝達は電気的・離散的であるが、
神経細胞間の情報伝達は,神経伝達物質を介して化学的 ・ 量的である。
モデルは,実際の神経細胞の振る舞いに対する、近似にすぎない点に留意すべき。
① 入力ユニットから出力ユニットまで順方向に結合されている多層ネットワーク
入力から出力への写像として表現できる問題に適している
②ユニット間に双方向性の結合を有する相互結合ネットワ ーク
多数の情報が相互に制約し合う状況で,最適解を見つける課題に適している。
③多層ネットワークにフィードバック結合を加えたネットワークもある