ニューラルネットワーク にゅーらるねっとわーく

---

ニューラルネットワークとは

ニューラルネットワーク（Neural Network）は、生物の脳の神経細胞（ニューロン）の仕組みをコンピュータ上で模倣した機械学習モデルです。多数のノード（ニューロン）が層状に接続され、入力から出力へと情報を変換します。

---

基本構造

---

各層の役割

層	役割
入力層	データの受け取り（特徴量の数＝ノード数）
隠れ層	特徴の変換・抽出（層数と幅が学習能力を決める）
出力層	最終的な予測（回帰→1ノード、多クラス→クラス数ノード）

---

各ノードの計算

ノードの出力 = 活性化関数(Σ(重み × 入力) + バイアス)

= f(w₁x₁ + w₂x₂ + ... + wₙxₙ + b)

---

ディープラーニングとの関係

ニューラルネットワーク（一般概念）
  └── 隠れ層を多く積み重ねたもの = ディープニューラルネットワーク（DNN）
         ├── CNN（画像）
         ├── RNN・LSTM（時系列・テキスト）
         └── Transformer（現代の主流）

---

歴史と背景

• 1943年：McCulloch & Pitts が数学的ニューロンモデルを提案
• 1958年：Rosenblattがパーセプトロンを発表
• 1986年：Rumelhart らが誤差逆伝播法を実用化。多層ネットワークが学習可能に
• 2012年：AlexNetがImageNetで革命的な精度を達成。ディープラーニング時代へ

---

関連用語

• ディープラーニング — 多層ニューラルネットワークの総称
• パーセプトロン — ニューラルネットワークの最小単位
• 活性化関数 — 各ノードで使う非線形変換
• 誤差逆伝播法 — ニューラルネットワークの学習アルゴリズム
• Transformer — 現代の主要なニューラルネットワーク