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。
Deguchi Lab.
2017年3月6日