人工ニューラルネットワーク

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。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。

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。