ニューラルネットワークとは?

Weblio 辞書 > 固有名詞の種類 > 方式・規則 > 主義・方式 > 学問 > 学問 > ニューラルネットワークの意味・解説 

ニューラル‐ネットワーク【neural network】

人間の脳神経系抽象化し、情報分散処理システムとしてとらえたモデル。ニューロネットワーク。神経回路網。


ニューラルネットワーク(NRN)


ニューラルネットワーク

【英】neural network

ニューラルネットワークとは、情報処理計算モデルのうち、人間の脳働き模倣して構築された計算モデルのことである。

ニューラルネットワークのシステムは、比較的単純な処理単位ニューロン神経細胞)と定義し、多数ニューロン情報入出力伝達網で接続した脳の仕組み似せ構築されている。

ニューラルネットワークは、ニューロコンピュータ呼ばれるコンピュータシステム計算モデルとなっている。ニューロコンピュータ自己学習実現することができる新世代人口知能として、盛んに研究・開発が行われている。

産業・技術のほかの用語一覧
情報処理:  五心  交差比率  文字セット  ニューラルネットワーク  ニューロコンピュータ  ラップアラウンド  例示字形

ニューラルネットワーク

英語 neural network

生物神経系の高度な情報処理機構工学的に模倣し、入力出力相互にきめ細かく関連づけて複雑な制御を行う情報処理技術のこと。例えオートエアコンにこれを導入すると人の感覚に近い綴密な空調制御が可能となる。スイッチや各センサーなどから信号を送る入力層、その情報をもとに入力出力優先順位をはかりながら相互関係調整を行う中間層、それらの総和をもとに必要な制御量を算出してオートエアコン・アンプリファイアに出力する出力層の3種ニューロン(神経細胞)モデル複数絡み合って、ネットワーク構成している。

参照 オートエアコン

ニューラルネットワーク

英語 neural network

生物神経系情報処理工学的に模倣したもので、人間の脳のように複雑な入力出力の関係を、相互にきめ細かく関連づけて複雑な制御を行うシステムトヨタ車のオートエアコン制御採用されており、外気温室温日射量感知し、吹出し温度風量緻密制御して乗員感覚合わせた、より快適な空調システムとしている。

※「大車林」の内容は、発行日である2004年時点の情報となっております。

ニューラルネットワーク

読み方にゅーらるねっとわーく
【英】:neural network

概要

(1) 生物体の神経回路網のこと.

(2) 神経回路構造ニューロン(neuron)の作用部分的模倣した, コンピュータ電子回路を用いた人工的な「神経回路網」で, 記憶, 認識, 連想などの機能実現する工学的なシステムのこと. ノイズ対す頑健性(robustness), 類似入力対す汎化性(generalization), 学習が容易な高い適応性(adaptability), 並列処理への潜在的可能性をもつ.

詳説

 ニューラルネットワーク (neural network) は神経回路網のことであり, その機能コンピュータ専用ハードウェア模倣したもの人工ニューラルネットワーク (artificial neural network) という. ORなどの分野で単にニューラルネットワークという場合は, 多く人工ニューラルネットワークのことを指し, 具体的には比較的単純な非線形信号処理ユニット結合することで構成されるネットワークのことと考えることが多い. ニューラルネットワークは本質的並列分散処理的であり, 自己組織的であるといった特徴内包している.

 ニューラルネットワークの歴史概観すると以下のようになる. 1943年マッカロック(W. McCulloch)とピッツ(W. Pitts) [1] によるしきい値素子モデル提案された. 1949年心理学者D. Hebbの "The Organization of Behavior" [2] において示されたシナプス強化則とも言われる学習方法に関する考え方は, その後提案された多くニューラルネット学習方法の基礎となっている. 1962年, ローゼンブラットF. Rosenblatt)によるパーセプトロン [3] (perceptron) が提案されたが, 1969年, ミンスキー(M. Minsky)とパパート(S. Papert)によるパーセプトロン限界呈示, 何人かの研究者による初期バージョンの後, 1986年ラメルハートD. Rumelhart), ヒントンG. Hinton), ウイリアムスR. Williams)によりまとめられた階層型ニューラルネットワークの誤差逆伝播法 (back propagation) の定式化 [4] などを経て, 近年は, 脳の機能実現強く意識した研究盛んに行われている.

 ニューラルネットワークは2つの側面から最適化と関係が深い. まず1つは, ニューラルネットワークの機能としての最適化, もう1つは, 何らかの機能実現するためのニューラルネットワークの学習における最適化である.

 ホップフィールドネットワーク [5] (Hopfield network) は, 連想記憶を行ったり巡回セールスマン問題などの最適化問題を解くために考え出されたニューラルネットワークで, 1982年, ホップフィールド (J. J. Hopfield) により提案された. 記憶したいパターン情報は定係数T_{ij}\, 中に埋めこまれる. このモデル1984年, 連続モデル拡張された. 離散および連続モデル合わせてホップフィールドネットワーク呼ばれる. ホップフィールドとタンク(T. W. Tank)は1985年に, ホップフィールドネットワーク巡回セールスマン問題解法に用いる方法示し [6] , ニューラルネットワークの最適化への応用の道を開いた.

 ニューラルネットワークによる学習は, 教師あり学習, 教師なし学習大別される. 教師あり学習とは, サンプルデータにおいて, 入力に対して出力値が与えられ, 多数入出力組の関係を同時に実現するようにモデルの中のパラメータ調整するモデルであり, その用途としては, 分類及び非線形回帰がある. この2つの本質的な違い教師出力信号として2値信号を用いるか実数値を用いるかという点である. パーセプトロン, 階層ネットワーク, RBF (radial basis function) ネットワークなどがあり, データクラス判定非線形関数近似を行うモデルを, 例 (examples) としてのデータから構築する. しきい値関数を使ったモデルでは, パーセプトロンどのように, 誤り訂正学習が用いられる. また, ロジスティック (logistic) 関数などの微分可能関数を用いたモデルでは, 二乗誤差最小化するような評価関数学習に用いられる. 階層ニューラルネット二乗誤差最小化取り入れると, 誤差逆伝播法導かれる. 教師なし学習とは, 入力ベクトルけがあるもので, 入力ベクトルに関する分布情報学習するものであり, 情報圧縮, 確率密度関数モデルを用いた推論などに応用される. コホネン(T. Kohonen)の自己組織化マップ (self organizing map), ガウス混合モデル (Gaussian mixture model), k-meansクラスタリングなどが代表的な例である.

 人工知能においては, 記号論理をベースにしたシンボリストモデル (symbolist model) に対し, ニューラルネットワークの相互結合をもじったコネクショニストモデル (connectionist model) は, 相互に対極にあるものとして対比されてきた. シンボリストモデルは論理的説明に適しており, コネクショニストモデルは学習が容易であるという特長を持つ反面, 一般にシンボリストモデルは学習が困難であり, コネクショニストモデルは説明能力欠けということがいえる. コネクショニストモデルが説明能力欠けるというのは, 入力空間自在切り分けることができるがゆえにその複雑な切り口言語的に説明することが困難なためであり, 欠点というよりもそのモデルの持つ特質からくる特徴であって, 特に言語的な説明要しない制御などの分野では明らかに優れた能力発揮する. また, 日々売上データから顧客特徴抽出したり, クレジットカード入会審査を行ったりするデータマイニングdata mining)の分野においても有力な手法として注目されている.



参考文献

[1] W. W. McCulloch and W. Pitts, "A Logical Calculus of the Ideas Immanent in Nervous Activity," Bull. Math. Biophysics, 5 (1943), 115-133.

[2] A. O. Hebb, The Organization of Behavior, Wiley, 1949. 白井 訳, 『行動機構』, 岩波書店, 1957.

[3] F. Rosenblatt, Principles of Neurodynamics, Spartan, 1962.

[4] D. E. Rumelhart, G. E. Hinton and R. J. Williams, "Learning Internal Representation by Error Propagation", in D. E. Rumelhart, J. L. McClelland and the PDP Research Group, Parallel Distributed Processing: Explorations in the Microstructure of Cognition, 1, Foundations, MIT Press, 1986. 甘利(監訳), 『PDPモデル-認知科学ニューロン回路網探索-』, 産業図書, 1989.

[5] J. J. Hopfield, "Neural Networks and Physical Systems with Emergent Collective Computational Abilities," in Proceedings of the National Academy of Sciences U.S.A., 79, 2554-2558, 1982.

[6] J. J. Hopfield and T. W. Tank, "Neural Computation of Decisions in Optimization Problems," Biological Cybernetics, 52 (1985), 141-152.


ニューラルネットワーク

出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2020/11/04 08:58 UTC 版)

ニューラルネットワーク(神経網、: neural network、略称: NN)は、脳機能に見られるいくつかの特性に類似した数理的モデルである。「マカロックとピッツの形式ニューロン」など研究の源流としては地球生物の神経系の探求であるが、その当初から、それが実際に生物の神経系のシミュレーションであるか否かについては議論がある[1]ため人工ニューラルネットワーク(artificial neural network、ANN)などと呼ばれることもある。また生物学と相互の進展により、相違点なども研究されている。


  1. ^ 2020年現在のところ、「小脳パーセプトロン説」が支持されるなど、「全く無関係」ではない、とされている。
  2. ^ Homma, Toshiteru; Les Atlas; Robert Marks II (1988). “An Artificial Neural Network for Spatio-Temporal Bipolar Patters: Application to Phoneme Classification”. Advances in Neural Information Processing Systems 1: 31–40. http://papers.nips.cc/paper/20-an-artificial-neural-network-for-spatio-temporal-bipolar-patterns-application-to-phoneme-classification.pdf. 
  3. ^ Yann Le Cun (June 1989). Generalization and Network Design Strategies. http://yann.lecun.com/exdb/publis/pdf/lecun-89.pdf. 
  4. ^ Y. LeCun; B. Boser; J. S. Denker; D. Henderson; R. E. Howard; W. Hubbard; L. D. Jackel (1989). “Backpropagation applied to handwritten zip code recognition”. Neural Computation 1 (4): 541-551. 
  5. ^ Reducing the Dimensionality of Data with Neural Networks
  6. ^ A fast learning algorithm for deep belief nets
  7. ^ Neuromorphic Processing : A New Frontier in Scaling Computer Architecture Qualcomm 2014年
  8. ^ Qualcomm’s cognitive compute processors are coming to Snapdragon 820 ExtremeTech 2015年3月2日
  9. ^ a b c 複素ニューラルネットワーク
  10. ^ 複素逆誤差伝播学習アルゴリズム(複素BP)を使用した場合
  11. ^ Akira Hirose, Shotaro Yoshida (2012). “Generalization Characteristics of Complex-valued Feedforward Neural Networks in Relation to Signal Coherence”. IEEE TNNLS 23 (4): 541-551. 
  12. ^ The proposed U-Net based architecture allows to provide detailed per-pixel feedback to the generator while maintaining the global coherence of synthesized images
  13. ^ starting from a low resolution, we add new layers that model increasingly fine details as training progresses. This both speeds the training up and greatly stabilizes it PGGAN paper
  14. ^ "making normalization a part of the model architecture and performing the normalization for each training mini-batch." Sergey Ioffe, et. al.. (2015)


「ニューラルネットワーク」の続きの解説一覧



ニューラルネットワークと同じ種類の言葉


固有名詞の分類


英和和英テキスト翻訳>> Weblio翻訳
英語⇒日本語日本語⇒英語
  

辞書ショートカット

すべての辞書の索引

「ニューラルネットワーク」の関連用語

ニューラルネットワークのお隣キーワード
検索ランキング

   

英語⇒日本語
日本語⇒英語
   



ニューラルネットワークのページの著作権
Weblio 辞書情報提供元は参加元一覧にて確認できます。

  
デジタル大辞泉デジタル大辞泉
(C)Shogakukan Inc.
株式会社 小学館
気象庁気象庁
©2020 Japan Meteorological Agency. All rights reserved.
なお、「気象庁 予報用語」には、気象庁の「気象庁が天気予報等で用いる予報用語」に掲載されている2009年11月現在の情報から引用しております。
IT用語辞典バイナリIT用語辞典バイナリ
Copyright © 2005-2020 Weblio 辞書 IT用語辞典バイナリさくいん。 この記事は、IT用語辞典バイナリニューラルネットワークの記事を利用しております。
三栄書房三栄書房
Copyright c San-eishobo Publishing Co.,Ltd.All Rights Reserved.
日本オペレーションズ・リサーチ学会日本オペレーションズ・リサーチ学会
Copyright (C) 2020 (社)日本オペレーションズ・リサーチ学会 All rights reserved.
ウィキペディアウィキペディア
All text is available under the terms of the GNU Free Documentation License.
この記事は、ウィキペディアのニューラルネットワーク (改訂履歴)の記事を複製、再配布したものにあたり、GNU Free Documentation Licenseというライセンスの下で提供されています。 Weblio辞書に掲載されているウィキペディアの記事も、全てGNU Free Documentation Licenseの元に提供されております。

©2020 Weblio RSS