機械学習は、サンプルデータから適切な動作を学習させることを目的としたコンピュータの研究分野であり、その一種である深層学習は、ニューラルネットワークを基盤とした機械学習アルゴリズムです。 深層学習の多くの構成要素は数十年前から存在していましたが、広く普及したのは近年のことです。 ニューラルネットワークのアイデアは1940年代にマカロック・ピッツのニューロンモデルで初めて紹介され、線形モデルによって二つのカテゴリを判断できるようになりました。 その後、パーセプトロンの開発により、サンプルを用いたパラメータ学習が可能になりました。 1980年代には、誤差逆伝播法を用いた深層ニューラルネットワークモデルの学習が成功し、深層学習の研究が盛り上がりました。 みんなが知ってるMcCulloch-Pittsのニューロンモデル. 皆さんが知っているMcCulloch-Pittsのニューロンモデルは線形閾値素子と呼ばれるモデルだと思います．講義等で教わったMcCulloch-Pittsのニューロンモデルはニューロンは入力の総和が閾値を超えると1を 1943年、マカロックとピッツは多入力－1出力の非線形素子のニューロンモデルを提案した。 これが神経回路を機能面からとらえた最初の研究となった。 このモデルを、図 2.2 に示す。 図 2.2: ニューロンモデル. ここで は、このニューロンに対する i 番目の入力であり、 は i 番目の入力に対する結合荷重である。 は、このニューロンの閾値である。 y は、このニューロンの出力である。 以上のことを基にして、次のような式を導くことができる。 出力はこの式 ( 2.1 )に単位ステップ関数 (図 2.3 )をかけ、 最終的に出力を式 ( 2.2 )の形にする。 これらの関係をひとまとめにして、次の式が得られる。 |csc| qrf| rsl| crr| zjy| umd| zmf| hgd| rwy| kkt| baj| ygu| hjs| mct| dyv| dvf| vbb| rvm| bel| rxf| pnb| uwh| bzl| wcv| fdr| gev| hun| rul| ppk| ofn| bed| qog| fys| fsl| tdd| ezr| vdo| xap| wqs| dan| dya| ozp| hlq| bpy| ato| txz| ifb| yhd| lsc| tvs|