ニューラルネットワーク
このページは、ニューラルネットワークの基本的な仕組みを理解することに重点をおいています。
そのため実用的な解説にはなっていません。
ニューラルネットワークの実装（プログラミング等）については、さまざまな書籍、サイトがありますのでそちらを参照ください。
1．ニューラルネットワークとは？
1．1．ニューロン
ニューラルネットワークは脳内の神経回路網を模擬した数理モデルで、機械学習の1つの手法になります。 これを用いることにより人間と同じような“学習”を行い、入力データから望ましい出力が得られるようになります。ニューラルネットワークを知る上で、生体内の情報伝達の仕組みを知っておくと便利です。 そこでまずは、神経回路網を構成する神経細胞（ニューロン：neuron）で起きる挙動の概要について説明します。
ニューロン（神経細胞）は下図のような構成になっています。
図1.1－1 ニューロン
ニューロンは、軸索端末と樹状突起の結合部であるシナプスを通じて、他のニューロンからの信号を受け取ります（図中①）。 その際、受け取る信号はシナプスの結合強度（効率）によって変化します。ニューロンは細胞膜に包まれていて、その内外に電位差が生じています。これを膜電位といいます。膜電位は通常“内部電位＜外部電位”の状態にあります。
①の入力信号によってこの膜電位が変化し、ある閾値を超えるとニューロンは興奮（発火）して内部電位が高くなり、パルス信号を出します。 このパルス信号は軸索を伝って他のニューロンへと伝達されます。
入力信号があっても、膜電位が閾値を越えなければ何もおきません。
このようなニューロンの挙動を数理モデルとして活用しよう、というのがニューラルネットワークのコンセプトです。
1．2．学習とは？
前節では「ニューロンがどうやって情報を伝達するか？」についての説明をしました。 しかし、ニューラルネットワークの本質は“学習”です。 学習とは「ニューロン間の結合強度を何等かの更新式に基づいて変更することで、ネットワークが望ましい結果を出力すること」です。“学習”といっても方法はいろいろで、正解を知っている先生が生徒に指導するような学習もあれば、正解のわからない研究をするような学習もあります。 機械学習では前者を“教師あり学習”、後者を“教師なし学習”といいます。
教師あり学習は、正解/不正解のラベルがついているデータを学習するので、何が正しくて何が間違っているか？を予測するような問題に用いられます。 具体的に言えば、データの中にある法則の抽出（回帰問題）や類似性の発見（判別問題）を導き出します
| 問題 | グラフ：例 | 目的 |
|---|---|---|
| 回帰 Regression |
 |
予測 （売上、株価など） |
| 分類 Classification |
 |
判別 （画像、音声など） |
