今すぐ登録して、25,300件以上登録されている、業界エキスパート指導のコースを受講しましょう。
多層パーセプトロンとは
ニューラルネットワークの元祖は パーセプトロンと呼ばれました。 これは1950年代に、 フランク・ローゼンブラットによって 考案された、最初期の ニューラルネットワークです。 パーセプトロンは決定関数のようなもので、 複数のバイナリ入力を受け取り、 1つのバイナリ出力を生成します。 パーセプトロンを小さな円に見立てます。 円には3つの入力があって、 それぞれX1（エックスいち）、 X2（エックスに）、 X3（エックスさん）としましょう。 パーセプトロンに入る3本の矢印があり、 パーセプトロンからは 1つの出力があります。 出力は0か1です。 矢印が外向きに 出ているように見えるかもしれませんが、 これはわかりやすいように描いただけで、 実際には別のパーセプトロンが 読み取ります。 では、これを使って簡単な判断を 行ってみましょう。 私はタコスが大好きで、チェーン店で タコスを頼むかどうかを、 いつも決まった方法で判断します。 3つのバイナリ入力で、この判断を行う ニューラルネットワークを 作ってみましょう。 入力のX1は、店内が清潔かどうかです。 入力のX2は、スペイン語の メニューがあるかどうかです。 入力のX3は、壁にソンブレロが 飾られているかです。 各パーセプトロンに値を追加します。 きれいなお店が好きなので、 X1は1とします。 スペイン語のメニューがあるお店は 伝統的な料理が多いので、 X2には1を追加します。 X3は、0としておきます。 長年の旅行経験で、ソンブレロが 飾られているお店はおいしくないことが 多かったからです。 これで、値が1のバイナリ入力が2つと、 値が0の入力が1つになりました。 つまり、店内がきれいで、スペイン語の メニューがあれば、タコスを頼みます。 ご想像のとおり、 このニューラルネットワークには 問題があります。 何も学習できないのです。 これでは単純すぎて役に立ちません。 というのも、人間はバイナリ入力で 判断しているわけではなく、 加減を吟味しながら、 最善の判断を導き出すからです。 お店がなんとなくきれいとか、 メニューにスペイン語があまり 書かれていないといったニュアンスが、 このニューラルネットワークでは 表現できません。 では、改良するため、 各入力に重みをつけてみます。 店内の清潔度はさほど…
エクササイズファイルを使って実践してみましょう。
インストラクターがコースで使用しているファイルはダウンロードできます。見て、聞いて、練習することで、理解度を深めることができます。
コースをダウンロードして学習しましょう。
ラーニングコースをダウンロードしてオフラインで視聴しましょう。ダウンロードしたコースはLinkedInラーニングのモバイルアプリ (iOSまたはAndroid) で視聴できます。