ニューラルネットワーク

ニューラルネットワーク（Neural Network）による入力値の分類の仕組みについて見ていく。

X1とX2の2つの値のペアが　＋（青）　と　ー（橙）　に　分類　されている

X1　を　横方向　と　X2　を　縦方向　の　ＸＹ座標とする

＋の点　と　ーの点　を　Ｘ１　Ｘ２　で表現することを考える

学習開始前

学習終了後

Ｘ１とＸ２が両方　＋　なら　＋

Ｘ１とＸ２が両方　ー　なら　ー

学習前

X1^2　横方向両端が＋　中央は　０

X2^2　縦方向両端が＋　中央は　０

学習後

X1^２　と　X2^2　の両方が　０　なら　＋

X1^２　と　X2^2　の両方が　＋　なら　ー

＋　と　ー　の領域がそれぞれ2か所に分かれている場合、うまく分類できない。

一部分だけしか分類できない。

出力層を追加して、入力層の合成パターンを複数用意して分類する

うまく分類できた場合

分類に失敗した場合

出力層のニューロンを増加すると複雑なパターンに対応できる

入力層を2つにして、XY座標だけを入力として与える。

学習前の段階でヒントを出さない。（入力の特徴として中央と端に着目するのを止める）

ニューラルネットワークが学習の過程で見つけた特徴だけを使って分類する。

多数の直線を組み合わせて分類しようとしてもうまくいかない

隠れ層（中間層）を追加する。

直線でパターンを作成して、さらにそのパターンを組み合わせて分類に利用できるようになる。

3019エポック（学習回数）の結果

中間層を多層化する。

これが、深層学習、ディープラーニング、ディープニューラルネットワーク、DNNと呼ばれる仕組み。

以下の様な学習済みのDNNを「モデル」という。

1890エポック