ニューラルネットワーク ことはじめ

Copyright © 2014 Advanced IT Consortium to Evaluate, Apply and Drive All Rights Reserved.

ニューラルネットワークことはじめ

2014年11月17日

先端IT活用推進コンソーシアムクラウド・テクノロジー活用部会

勉強会資料

岡村 和英(株式会社テクリエ)

ニューラルネットワーク？

2

脳の仕組みをシミュレーションによって表現した数学モデル

3

脳の働きをコンピューターで

再現する

4

ニューロンと

シナプス

5

ニューロン(neuron)

6

神経細胞

7

細胞体(soma)

http://commons.wikimedia.org/wiki/File:Neuron_Hand-tuned.svg

樹状突起(dendrite)

核

シナプス（synapse）

軸索(axon)（細かいところは省略）

8

樹状突起から入力される信号が

ある一定のしきい値を超えると

急激な電位変化が生じる

（ニューロンの発火）

9

軸索から出力された信号が

シナプスを通じて接続された

別のニューロンに伝えられる

10

シナプスの信号伝達効率は

それぞれ異なる

11

モデル化してみる

12

人工ニューロン

13

しきい値

Θ

結合係数wi

入力 xi

出力O

ユニット

14

階層型ネットワーク

15

wkjxi Okwji

入力層 中間層 出力層

16

wkjxi Okwji

前向き演算

入力層 中間層 出力層

17

パターン識別程度であれば

３階層で実現可能

18

ネットワークに

学習させる

19

結合係数を調整することで

理想の出力を得る

20

全てのユニットの

しきい値は同じ

Θ＝一定

21

発火したニューロンの出力は

入力量に関わらず常に一定

O＝０or１

22

しきい値を半分に減らしたい（より敏感に反応）

Wiを２倍にする

（入力感度を高める）

23

出力を２倍にしたい（より強く反応）

Wjiを２倍にする

（出力先の入力感度を高める）

24

バックプロパゲーション（誤差逆伝搬法）

25

wkjxi Okwji

後向き演算

入力層 中間層 出力層

26

出力層で得られる誤差が

少なくなるように

結合係数を修正する

27

具体的な計算方法は

ここで説明するには

難しすぎるので割愛

28

複数の教師信号パターンを

繰り返すことで

全体の誤差を最小化できる

29

今回はここまで！

30

Copyright © 2014 Advanced IT Consortium to Evaluate, Apply and Drive All Rights Reserved.

http://aitc.jp

https://www.facebook.com/aitc.jp

ハルミンAITC非公式イメージキャラクター