パーセプトロンのソースを表示

英：perceptron <br>

米国の心理学者フランク・ローゼンブラット（Frank Rosenblatt）は1958年前後に、脳における感覚情報の処理メカニズム、すなわち、学習的なパターン認識メカニズムの神経回路網モデルを提案し、パーセプトロン（perceptron）と名づけた。パーセプトロンは、単純な情報処理をする多入力１出力の神経細胞（ニューロン）のモデルを相互に結合した構造をもち、ニューロン間の信号の伝わりやすさを変化させることによって学習を行う。ローゼンブラットは様々な構造のパーセプトロンを提案し、その性質を数理的・統計的に解析したが、そうした中でも、感覚入力にあたる感覚(sensory)層、入力信号を分析する連合(association)層、認識結果を出力する出力(response)層の3つの層から成り、入力から出力に向かう前向き結合のみをもつネットワークや、その層を増やしたネットワークが、その後の時代にもっとも盛んに研究された。特に、マービン・ミンスキーとセイモア・パパートによるパーセプトロンの情報処理能力に関する研究はよく知られている。このことから、現在では「パーセプトロン」という言葉は、階層型ニューラルネットワーク（layered neural networks）、多層ニューラルネットワーク（multi-layer neural networks）、前向き結合ニューラルネットワーク（feed-forward neural networks）という意味で使われることが多い。以下では、まず、ローゼンブラットの1958年の論文<ref><pubmed>13602029</pubmed></ref>に従って、普段あまり紹介されていないパーセプトロンの初期の研究を紹介する。次に、ミンスキーとパパートの著書<ref>'''Marvin Minsky, Seymour Papert'''<br>Perceptrons--Extended Edition<br>''The MIT Press (Cambridge)'':1988</ref>に従って、その後の研究を紹介する。さらに、デヴィット・ラメルハートらによる多層ニューラルネットワークの学習法に関する研究を紹介し、最後に、層が多いニューラルネットワークの学習（deep learning）に関する研究を紹介する。