パーセプトロン

出典: フリー百科事典『ウィキペディア(Wikipedia)』

出典: フリー百科事典『ウィキペディア(Wikipedia)』
検索に移動
人工神経 > パーセプトロン

パーセプトロン: Perceptron)は、人工ニューロンニューラルネットワークの一種である。心理学者・計算機科学者のフランク・ローゼンブラット1957年に考案し、1958年に論文[1]を発表した。モデルは同じく1958年に発表されたロジスティック回帰と等価である。

概要[編集]

視覚の機能をモデル化したものであり、パターン認識を行う。ただし学習については自明ではなく、特に多層パーセプトロン機械学習に関する歴史は、それがパーセプトロンの歴史だと言っても過言ではない。1960年代に爆発的なニューラルネットブームを巻き起こしたが、60年代末のミンスキーらによる、単層パーセプトロンは線形分離可能なものしか学習できないという指摘は、多層パーセプトロンの学習が当時まだよくわからなかったことから、一時研究を停滞させた。影響を受けた変種といえるニューラルネットワークも多数提案されているが、それらについてはここでは略す(ニューラルネットワークの記事を参照)。パーセプトロン自体はその後、ボルツマンマシンや、多層パーセプトロンの機械学習をある程度実用化したバックプロパゲーションなどによって1980年代に再興隆した後、1990年代にはまた停滞した。21世紀に入った後の研究の進展などにより、より層を増やしたパーセプトロンでの機械学習を指すいわゆる「ディープラーニング」の実用化と、それによる画像認識などの成果により、2020年現在はブームにある。

形式ニューロン[編集]

パーセプトロンは1943年に発表された形式ニューロンに基づく。

パーセプトロン[編集]

ローゼンブラットはこの形式ニューロンの考え方を基にしてパーセプトロンを開発した。S層(感覚層、入力層)、A層(連合層、中間層)、R層(反応層、出力層)の3つの部分からなる。S層とA層の間はランダムに接続されている。S層には外部から信号が与えられる。A層はS層からの情報を元に反応する。R層はA層の答えに重みづけをして、多数決を行い、答えを出す。

1970年頃、デビッド・マー[2]とジェームズ・アルブス[3]によって小脳はパーセプトロンであるという仮説が相次いで提唱された。後に神経生理学伊藤正男らの前庭動眼反射に関する研究[4]によって、平行繊維-プルキンエ細胞間のシナプスの長期抑圧(LTD, long-term depression)が見つかったことで、小脳パーセプトロン説は支持されている。

単純パーセプトロン[編集]

入力層と出力層のみの2層からなる、単純パーセプトロン (Simple perceptron) は線形分離可能な問題を有限回の反復で解くことができる[5]一方で、線形非分離な問題を解けないことがマービン・ミンスキーシーモア・パパートによって指摘された。

多層パーセプトロン[編集]

多層にすれば線型分離不可能な問題が解けることはマカロックとピッツの頃から解っていたわけだが、機械学習が問題であった。バックプロパゲーションは多層パーセプトロンの学習への道を開いた。ディープラーニングは、より層を増やした場合の学習を実用化しブームとなった。

脚注[編集]

  1. ^ Rosenblatt, Frank (1958). “The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain”. Psychological Review 65 (6): 386-408. 
  2. ^ “A theory of cerebellar cortex”. Journal of Physiology 202: 437-470. (1969). PMID 5784296. 
  3. ^ “A theory of cerebellar function”. Mathematical Bioscience 10: 25-61. (1971). 
  4. ^ “Climbing fibre induced depression of both mossy fibre responsiveness and glutamate sensitivity of cerebellar Purkinje cells”. Journal of Physiology 324: 113-134. (1982). PMID 7097592. 
  5. ^ 有意に無意味な話: 単純パーセプトロンの収束定理と限界”. 2020年8月16日閲覧。

参考文献[編集]

  • 『パーセプトロン パターン認識理論への道』ミンスキー、S.パパート共著 斎藤正男訳 東京大学出版会 1971
  • 『パーセプトロン 改訂版』ミンスキー、S.パパート 中野馨,阪口豊訳 パーソナルメディア 1993, ISBN 4893621106
  • 斎藤康毅『ゼロから作るDeep Learning - Pythonで学ぶディープラーニングの理論と実装』オライリージャパン、2016年9月24日、第1刷。ISBN 978-4873117584。

関連事項[編集]