ニューラルネットワーク

意味・定義

人間の脳の神経細胞（ニューロン）の構造を模倣した計算モデル。複数の層で構成され、データから特徴を学習する。

解説

ニューラルネットワークは、人間の脳の神経回路を模倣した計算モデルです。多数のニューロン（ノード）が層状に接続され、データを処理します。 ニューラルネットワークは、入力層、隠れ層、出力層から構成されます。各ニューロンは、前の層からの入力を重み付けして合計し、活性化関数を通して次の層に出力します。この単純な計算を多層で繰り返すことで、複雑なパターンを学習できます。 学習は、バックプロパゲーション（誤差逆伝播法）で行われます。出力の誤差を逆向きに伝播させて、各ニューロンの重みを調整します。これを何千回、何万回と繰り返すことで、ネットワークが学習します。 ニューラルネットワークの種類は多様です。全結合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（CNN）、再帰型ニューラルネットワーク（RNN）、Transformerなど、用途に応じて使い分けます。

使い方・例文

• "手書き数字認識では、28×28ピクセルの画像を入力し、0〜9の数字を出力するニューラルネットワークを学習させます。何万枚もの手書き数字で学習することで、99%以上の精度で認識できるようになります。 株価予測では、過去の株価、出来高、経済指標などを入力し、翌日の株価を予測するニューラルネットワークを構築します。ただし、株価は複雑な要因で変動するため、完全な予測は困難です。また、音声認識では、音声の波形を入力し、テキストを出力するニューラルネットワークが使われています。"

関連語

関連記事