TECH INFO

ニューラルネットワーク概論1

 
 

今回は、人工知能の開発において様々な場面で使用され、ディープラーニングの元にもなっている、ニューラルネットワークの大まかな内容について、解説していきたいと思います。
ニューラルネットワークは、人間の脳の機能の一部を数式によって再現したもので、多くの技術への応用が期待されているモデルです。


図. ニューラルネットワークの図


図のように、ニューロンと呼ばれる複数のノード同士が相互に結合しあい、ネットワークを構成しています。各ノードへの入力は、前の層の各ノードからの出力に、重みをかけて足し合わせたものになります。そして、活性化関数と呼ばれる非線形関数にかけられ、次の層の入力となります。 これらの構造が、人間の神経細胞同士のつながりや、特定の条件を満たしたニューロンのみが発火するといった動作の仕組みを、数式によって再現したものとなっています。 今回の図の例であれば、入力されたデータの伝播は、次のような手順で行われます。
(1)入力データベクトルxの各成分にそれぞれ重みを掛け、足し合わせた値が中間層(緑)の   各ノードへ入力される
(2)中間層のそれぞれのノードへの入力に、活性化関数が適用され、これが中間層の出力 (ベクトル)となる
(3)中間層の出力の各成分にそれぞれ重みを掛け、足し合わせた値が出力層(オレンジ)のノ   ―ドに入力される
(4)出力層のノードへの入力に、活性化関数が適用され、これがネットワークの最終的な出   力となる

重みの値は、ノードの組み合わせごとに別々の値を取り、勾配降下法と呼ばれる手法により、学習用データを用いて正しい値へと更新していきます。
活性化関数は、基本的に層ごとに一つの関数を設定します
。 また、ここで紹介したニューラルネットワークは、パーセプトロン型の最もシンプルで基本的なものです。
他にも様々なニューラルネットワークが存在しますが、代表的なものとして、画像認識に利用される「畳み込みニューラルネットワーク(CNN)」と、動画などの時系列データに利用される「リカレントニューラルネットワーク(RNN)」があります。
次回の記事では、これらの概要を解説します。