【パーセプトロン】
パーセプトロン とは？
最終更新:
💡 入力の重みを調整して、境界を学ぶ基本モデル
入力に重みをかけて足し合わせ、境界を基準に分類する基本的なモデル。単純なパーセプトロンの計算・学習と、XORを分けられない理由、多層モデルとの違いを説明します。
📌 このページのポイント
ひよこ パーセプトロンは、どんな計算をするの？
ひよこ 重みは、どう決めるの？
ペンギン先生 正解の付いたデータで予測し、間違えたときに重みを更新するよ。2つの特徴なら、直線で点を2組に分けるイメージ。直線で分けられるデータでは、パーセプトロンの学習則で分け方を見つけられるんだ。
ひよこ XORが苦手なのは、なぜ？
ペンギン先生 入力が「0,0」と「1,1」のとき0、「0,1」と「1,0」のとき1にする分類だよ。4点を並べると同じ答えが対角線上にあり、直線1本では2組に分けられない。これは単純なモデルの表現の限界で、学習を長く続ければ必ず解ける問題ではないんだ。
ひよこ 層を増やせば、違う分け方ができる？
ペンギン先生 多層パーセプトロン（MLP）では、隠れ層と非線形な活性化関数を使い、直線1本では表せない関係も学べるよ。ただし重ねるだけで必ず正解するわけではなく、データや学習方法も大切。単純なモデルとMLPを分けて理解すると、ニューラルネットワークの入門になるね。
📖 おまけ：英語の意味
「Perceptron」 ＝ 知覚・認識をモデル化する考え方
💬 ローゼンブラットは知覚や認識の仕組みを研究し、perceptronというモデルを説明しました。ここでは学習の入門として扱う単純な分類モデルを中心に見ます。