ニューラルネットワークとは何ですか?
生物学的神経系にヒントを得た計算モデルで、層状に相互接続されたノードがトレーニング中に重みを調整することでパターンを学習します。
Summary
- 入力層（データ受信）、隠れ層（重み付き接続による特徴抽出）、出力層（予測生成）で構成され、活性化関数によって非線形性がもたらされます。
- バックプロパゲーションと勾配降下法によって学習し、重みを反復的に調整することで、トレーニング例全体における予測出力と実際の出力間の損失を最小限に抑えます。
- 種類には、分類用のフィードフォワードネットワーク、画像用の畳み込みニューラルネットワーク、シーケンス用のリカレントネットワーク、言語理解タスク用のトランスフォーマーなどがあります。
ニューラルネットワークとは
ニューラルネットワークとは、層状構造が人間の脳内にあるニューロンのネットワーク構造に類似した数理モデルです。ニューロンと呼ばれる相互に結合する処理要素を特徴としており、出力機能を生成します。ニューラルネットワークは、入力層と出力層で構成されており、その多くには隠れ層があります。この隠れ層は、入力を出力層で使用できるものに変換するユニットで構成されています。
ニューラルネットワークアーキテクチャのタイプ
人工ニューラルネットワークとしても知られるニューラルネットワークは、さまざまな深層学習アルゴリズムを使用します。ニューラルネットワークの最も一般的なタイプは次のとおりです。
フィードフォワードニューラルネットワーク
最も基本的で一般的なアーキテクチャタイプで、情報は入力から出力までの一方向にのみ移動します。入力層と出力層からなり、その間に隠れ層があります。隠れ層が1つ以上ある場合、そのネットワークは「ディープニューラルネットワーク」と呼ばれます。
ガートナー®: Databricks、クラウドデータベースのリーダー
再帰型ニューラルネットワーク（RNN）
より複雑なタイプのネットワークです。この人工ニューラルネットワークは、音声認識や自然言語処理（NLP）で一般的に使用されています。RNNは、シーケンスの各要素に対して同一のタスクを実行し、出力は前の計算に依存します。
畳み込みニューラルネットワーク（ConvNet、CNN）
畳み込みニューラルネットワークは、データをカテゴリにフィルタリングする複数の層で構成されており、画像認識、テキスト言語処理、分類などにおいて非常に効果的であることが証明されています。畳み込みニューラルネットワークは、入力層、隠れ層、出力層で構成されており、隠れ層には複数の畳み込み層、プーリング層、全結合層、正規化層などがあります。ニューラルネットワークには、他にも少なくとも十数以上のタイプがあります。
ボルツマンマシンネットワーク、ポップフィールドネットワーク等の対称結合型ネットワークなどが挙げられます。適切なネットワークの選択は、トレーニングに必要なデータと使用予定のアプリケーションによって異なります。