脳を情報システムとしてみた場合、神経細胞が階層的に結合したシステムとして捉えることができる。 この神経細胞を単純化して、多入力一出力の素子としてとらえ（これをユニットと呼ぶ）、これを階層的に構成したシステムがニューラルネットワークである。 ニューラルネットワークの特徴は学習する点にある。 学習とは、ある入力に対して必要とする信号を出力するようシステム自らがその構造（結合荷重）を変化させていく過程を指す。 出力を人間側から与える学習法が教師あり学習、ニューラルネットワーク自身が入力信号の統計的性質等を取り込んでその構造に反映させるのが教師無し学習である。 学習についての研究が始まったのはRosenblattのパーセプトロンからであるが、 本格的な研究は、 Rumelhartらによるバックプロパゲーション法の提案以降である。 バックプロパゲーション法はユニットを多層状に並べた階層型ニューラルネットワークと呼ばれるシステムに対しての学習法であり、 先のパーセプトロンでは解けなかった線形分離不可能な問題に有効であるだけでなく、工学的に実現可能なユニット数で構成されているという利点も持っていた。
福嶋研のホームページ 巽 啓司 (keiji-t@is.aist-nara.ac.jp)
<最終更新作成日時 １９９４年６月１６日 >