人工ニューラル ネットワーク (NN)
人工ニューラルネットワーク（英語はArtificial Neural Network、略称ANNs）またはニューラルネットワーク（英語はNeural Network、略称NNs）またはニューラルネットワークとは、機械学習や認知科学の分野において、生物学的なニューラルネットワークを模倣したモデルのこと。 (動物) 中枢神経系、特に脳の構造と機能の数学的または計算モデル。ニューラル ネットワークは、計算を実行するために多数の人工ニューロンによって接続されます。人間の脳と同様の階層構造で相互接続されたノード、つまりニューロンを使用します。これは、コンピューターが間違いから学習し、継続的に改善するために使用する適応システムを作成します。したがって、人工ニューラル ネットワークは、文書の要約や顔をより正確に認識するなど、複雑な問題の解決を試みることができます。
ニューラルネットワークの重要性
ニューラル ネットワークは、コンピュータが限られた人間の支援で情報に基づいた意思決定を行うのに役立ちます。なぜなら、入力データと出力データの間の非線形で複雑な関係を学習してモデル化できるからです。
ニューラル ネットワークは、明示的なトレーニングなしで非構造化データを理解し、一般的な観察を行うことができます。たとえば、Baxter Road を地名として、Baxter Smith を人名として大まかに識別できます。同様の意味を持つ 2 つの異なる入力文を識別することもできます。
- 支払い方法を教えてもらえますか？
- 送金方法を教えてください。
ニューラル ネットワークは、これら 2 つの文が同じことを意味していることを認識します。
ニューラルネットワークの種類
ニューラル ネットワークの種類は、データが入力ノードから出力ノードにどのように流れるかに基づいて分類できます。以下にいくつかの例を示します。
フィードフォワード ニューラル ネットワーク
フィードフォワード ニューラル ネットワークは、ある層の各ノードが次の層の各ノードに接続されて、入力ノードから出力ノードまで一方向にデータを処理します。フィードフォワード ネットワークは、フィードバック プロセスを使用して、時間の経過とともに予測を改善します。
逆伝播アルゴリズム
人工ニューラル ネットワークは、予測分析を向上させるために、修正フィードバック ループを使用して継続的に学習します。簡単に言うと、データはニューラル ネットワーク内のさまざまなパスを通って入力ノードから出力ノードに流れると考えることができます。ただし、入力ノードを正しい出力ノードにマップできるパスは 1 つだけです。このパスを見つけるために、ニューラル ネットワークは次のように動作するフィードバック ループを使用します。
- 各ノードはパス内の次のノードを推測します。
- 推測が正しいかどうかをチェックします。ノードは、より正確な推測につながるパスにはより高い重み値を割り当て、不正確な推測につながるノード パスにはより低い重み値を割り当てます。
- 次のデータ ポイントに対して、ノードはより重み付けされたパスを使用して新しい予測を行い、ステップ 1 を繰り返します。
畳み込みニューラル ネットワーク
畳み込みニューラル ネットワークの隠れ層は、特定の数学的関数 (要約やフィルタリングなど) を実行し、畳み込みと呼ばれます。これらは、画像の認識と分類に役立つ関連する特徴を画像から抽出できるため、画像の分類に非常に役立ちます。この新しい形式は、適切な予測を行うために重要な機能を失うことなく、処理が容易になりました。各隠れ層は、エッジ、色、深さなどのさまざまな画像の特徴を抽出して処理します。
参考文献
【2】https://aws.amazon.com/cn/what-is/neural-network/?nc1=h_ls