Summary
- データを受け取る入力層、重み付き接続と活性化関数を介して入力を変換する隠れ層、予測を生成する出力層で構成され、学習中にバックプロパゲーションによって重みが調整されます。
- 階層的表現を学習し、生データから特徴を自動的に抽出することで、手動による特徴量エンジニアリングを排除し、画像認識、自然言語処理、音声認識、自律システムへの応用を可能にします。
- 過学習を回避するために大規模なデータセットを必要とし、行列演算にはGPUアクセラレーションの恩恵を受け、画像には畳み込みネットワーク、シーケンスには再帰型ネットワーク、言語にはトランスフォーマーなどのアーキテクチャを使用します。
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として表現され、構造が明確になります。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あり、既存のデータ分析の精度や効率が向上させるのに役立ちます。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には，畳み込みニューラルネットワーク（CNN）、再帰型ニューラルネットワーク（RNN）などがあり、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。
人工ニューラルネットワークには2つのトポロジーがあります。順伝播型とフィードバック型です。
エンタープライズ向けエージェントAIプレイブック
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。
FAQ
1. 人工ニューラルネットワーク（ANN）とは何ですか？
ANN は人間の脳の神経細胞を模倣したシステムで、情報を階層的に処理し学習する数理モデルです。
2. パーセプトロンと多層ニューラルネットワークの違いは？
パーセプトロンは単一層の単純なモデルで、線形分離可能な問題に限定されます。多層モデルはより複雑な問題に対応できます。
3. ANN にはどのような構造がありますか？
情報が一方向に流れる「順伝播型」と、出力を再入力できる「フィードバック型」があります。