Artificial Neural Network:
人工ニューラルネットワーク
用語集のトップページへ
人工ニューラルネットワークとは
人工ニューラルネットワーク(ANN)とは、人間の脳内にある神経細胞(ニューロン)の動作を模したコンピューティングシステムです。人工ニューラルネットワークの仕組み
人工ニューラルネットワーク(ANN)は、階層で構成される重み付き有向グラフにするとわかりやすく、これらの階層は人間の脳の生体ニューロンを模した多数のノードを特徴とし、相互に接続され、活性化関数を含みます。第1層は、外部から未処理の入力信号を受信します。人間の視覚処理における視神経に類似しています。中間層は直前の層から出力を受け取ります。視神経から離れているニューロンが、近接するニューロンから信号を受信する方法と類似します。各ノードでの出力は、ノードの活性化またはノード値と呼ばれます。最終層ではシステムの出力を生成します。ANNは学習可能な数理モデルで、ANNの使用により、既存のデータ分析技術が強化されています。ANNは、人工知能(AI)、機械学習(ML)、深層学習が大きく進歩した理由の一つです。パーセプトロン人工ニューラルネットワーク
パーセプトロンは人工ニューラルネットワークの中でも最も単純なタイプです。このタイプのネットワークは、通常、バイナリ予測を行うために使用されます。パーセプトロンは、データが線形で分離可能な場合にのみ機能します。
多層人工ニューラルネットワーク
全結合型多層ニューラルネットワークは多層パーセプトロン(MLP)とも呼ばれます。このタイプの人工ニューラルネットワーク(畳み込みニューラルネットワーク、再帰型ニューラルネットワークなど)は、人工ニューロンまたはノードによる複数の層から構成されます。多層ニューラルネットワークを使用して、複雑な分類や回帰の問題を解決します。最も一般的なモデルは、3層の全結合型バックプロパゲーションモデルです。第1層は入力ニューロンで構成され、第2層にデータを送信し、次に第3層に出力ニューロンを送信します。
順伝播型人工ニューラルネットワーク(FNN)
このANNでは、情報の流れは一方向です。情報は、フィードバックループを作らずに、一方向(前方)にのみ移動します。 まず入力ノードを通過し、次に隠れノード(ある場合)、最後に出力ノードを通過します。フィードバック型人工ニューラルネットワーク
このANNには、ネットワークのニューロン間に固有のフィードバック結合があり、フィードバックループが可能です。関連リソース
用語集のトップページへ