パーセプトロン

パーセプトロン（perceptron）は、米国のローゼンブラット（Rosenblatt）が1958年に発表した、パターン分類を行うための学習パターン識別機である。 これは、ユニットが興奮したときには、その入力の重みを大きくし結合を強化するというヘッブ（Hebb）の学習モデルをニューラルネットワークに組み込んだものであり、深層学習の起源とも言えるモデルである。

パーセプトロンの例をFigure 3.1に示す。主な特徴は以下のとおりである。

• 入力層（input layer）、中間層（hidden layer）、出力層（output layer）の三つの層から出来ている。
• 信号は一方通行で、入力層から出力層へと伝送される。
• 各層のユニット数は任意で決められる。
• 結合係数はランダムで決まり、学習によって変化するのは中間層-出力層間のみである。
• 各層の入力値、出力値はともに0か1のみである。

図 3.1: Perceptron