ニューラル・ネットワーク・モデル

ニューラル・ネットワークは、神経系の動作を模倣した単純なモデルです。 基本ユニットはニューロンと呼ばれ、次の図に示すように、層で編成されています。

ニューラル・ネットワークは、人間の脳が情報を処理する方法を単純化したモデルです。 ニューラル・ネットワーク・ノードは、連係する多数の単純な処理単位をシミュレートします。処理ユニットは、ニューロンを抽象化したものと表現できます。

処理ユニットは、複数の層で編成されています。 通常ニューラル・ネットワークは 3 つの部分から構成されています。入力フィールドを表すユニットから構成される入力層、隠れ層、および対象フィールドを表すユニットから構成される出力層。 ユニットは、さまざまな接続強度 (重み) で接続されています。 入力データが最初の層に送られ、その層の各ニューロンから次の層の全ニューロンに、値が伝達されます。 最後に、結果が出力層から供給されます。

ネットワークは、各レコードを検証してレコードごとに予測を生成し、不正確な予測が行われた場合は重みを調整することで、学習していきます。 この過程を何度も繰り返し、1 つ以上の停止基準が満たされるまで予測の改善を継続します。

当初は、重みはすべて無作為なので、ネットワークからの応答はあまり意味がありません。 しかし、ネットワークは学習していきます。 既知の結果の例が繰り返しネットワークに送られ、ネットワークからの応答と既知の結果が比較されます。 この比較情報がネットワークに戻され、次第に重みが変更されていきます。 学習が進むに従って、ネットワークの応答は精度を増し、既知の結果に近づいてきます。 学習が終了すると、結果のわからない今後のケースに、ネットワークを適用できるようになります。