単純パーセプトロン【single-layer perceptron】

概要

動物の脳は「ニューロン」（neuron）という神経細胞が集まってできている。ネットワーク状に相互に接続されたニューロン群が、外界からの刺激に基づいて相互に電気信号を送り合うことで、記憶や学習、発話、運動制御など様々な情報処理を実現している。

パーセプトロンとは

脳の働きを機械によって模倣しようとしたモデルの一つが「パーセプトロン」（perceptron）で、神経細胞を模したノードが層状に配置され、入力層のノードが外部からデータを受け取り、重み付けを行って下層のノードへ伝達する。出力層のノードは上位層からの情報を集約して一つの結論を外部に出力する。

このコンセプトは1957年にアメリカの情報科学者、フランク・ローゼンプラット（Frank Rosenblatt）が提唱した。当初はこれを専用の機械（ハードウェア）として実装することが構想され、入力層、中間層、出力層の3層の専用コンピュータ「Mark I Perceptron」が1958年に試作された。

単純パーセプトロン

単純パーセプトロンは最もシンプルなパーセプトロンのモデルで、複数のノードから成る入力層と、単一のノードに情報を集約する出力層の2層でできている。入力層のノードは外部から受け入れたデータに重みを付けて出力層へ送り、出力層は重み付き和を出力する。

この機構に様々なデータを与えて学習させることができる。入力と対応する出力のセットを用意しして、その入力を与えると期待される出力が現れるよう、各ノードの重みを変更するのである。学習後、学習データに似た入力を与えると、近い出力が現れることが期待できる。各ノードの持つ重みが、学習したパターンの「記憶」のように機能する。

単純パーセプトロンは汎用のパターン認識を実現する機構として期待されたが、行っていることは線形変換であるため、線形分離可能（直線で分けられるような分布）な分類問題しか解けないことが明らかになり、研究は下火となった。後に、入力層と出力層の間に隠れ層を挟んだ「多層パーセプトロン」（multilayer perceptron）、隠れ層を複数に増やした「ディープニューラルネットワーク」が考案され、今日の人工知能システムに発展している。