パーセプトロン
パーセプトロン(perceptron)は、心理学者・計算機科学者のフランク・ローゼンブラットが1957年に考案し、1958年に論文[1]を発表した、ニューラルネットの一種。
視覚と脳の機能をモデル化したものであり、パターン認識を行う。シンプルなネットワークでありながら学習能力を持つということがニューラルネットブームを巻き起こした。他の研究者によって、様々な変種が考案されており、2009年現在でも広く使われている機械学習アルゴリズムの一つである。
目次 |
[編集] 形式ニューロン
神経生理学者・外科医であるウォーレン・マカロックと論理学者・数学者であるウォルター・ピッツによって、形式ニューロンというモデルが考えられた。このモデルはチューリングマシンと同等の計算能力を持つ。
このモデルは、wを重みづけ、xを入力信号(0から1まで)、しきい値をhとするとき、Hをヘヴィサイドの階段関数とするとき、
で表される。
[編集] パーセプトロン
ローゼンブラットはこの形式ニューロンの考え方を基にしてパーセプトロンを開発した。 S層（感覚層、入力層）、A層（連合層、中間層）、R層（反応層、出力層）の3つの部分からなる。 S層とA層の間はランダムに接続されている。 S層には外部から信号が与えられる。A層はS層からの情報を元に反応する。R層はA層の答えに重みづけをして、多数決を行い、答えを出す。
1970年頃、デビッド・マー[2]とジェームズ・アルブス[3]によって小脳はパーセプトロンであるという仮説があいついで提唱された。のちに神経生理学者伊藤正男らの前庭動眼反射に関する研究[4]によって、平行繊維-プルキンエ細胞間のシナプスの長期抑圧（LTD, long-term depression）が見つかったことで、小脳パーセプトロン説は支持されている。
[編集] 単純パーセプトロン
入力層と出力層のみの2層からなる、単純パーセプトロン(Simple perceptron)は線形非分離な問題を解けないことがマービン・ミンスキーとシーモア・パパートによって指摘された。
[編集] 多層パーセプトロン
デビッド・ラメルハートとジェームズ・マクレランドはパーセプトロンを多層にし、バックプロパゲーション（誤差逆伝播学習法）で学習させることで、線型分離不可能な問題が解けるように、単純パーセプトロンの限界を克服した。
[編集] 文献
- ^ Rosenblatt, Frank (1958). “The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain”. Psychological Review 65 (6): 386-408.
- ^ (1969). “A theory of cerebellar cortex”. Journal of Physiology 202: 437-470. PMID 5784296.
- ^ (1971). “A theory of cerebellar function”. Mathematical Bioscience 10: 25-61.
- ^ (1982). “Climbing fibre induced depression of both mossy fibre responsiveness and glutamate sensitivity of cerebellar Purkinje cells”. Journal of Physiology 324: 113-134. PMID 7097592.
[編集] 関連事項
 |
この「パーセプトロン」は、心理学に関連した書きかけ項目です。この項目を加筆・訂正して下さる協力者を求めています（PJ 心理学）。 |
