ニューラルネットワークとは

はじめに

前回、「Image Identification Project」を紹介して、どうやってインテリジェンスな判定をしていかを説明すると書きました。ということで、今回は「ニューラルネットワーク」を説明します。

私は大学の卒業論文でニューラルネットワーク(以降：NN)を課題にしたので、こういうテクノロジーがとても気になってきました。

私の論文テーマはNNを使用して、力学問題を解決するという内容でした。

それで、例として、シンプルな力学の数式を思い出しましょう。

F = ma (ニュートンの第2法則「慣性の法則」)

ちなみに、NNシステムがこういう問題を解決する場合、何をしないといけないでしょうか？
とりあえず、NNは生まれたての子供です。まず、学習しないといけません。（教師あり学習）

学習するために、様々な値を使って、何回も、自分で問題を解決しないとNNは学習できません。

学習頻度は課題によって異なりますが、通常は正解パターンが多ければ多いほどNNが賢くなります！

例えば、正解5個のマトリックス。(mとaの値はランダム)：

このマトリックスをNNに渡します。

NNはinput値(mとa)を解析して、output値(F)と比べて、自動的に係数(ニューロン、及びノードともいう)を一つずつ設定します(マトリクスが増えればニューロンの数を増やす)。

それで、どうやってmとaからFになったか判ります。正解パターンが多ければ多い程、精度が上がります。

教師あり学習ではNNシステムを実行後、演算結果の誤りを修正しないといけません。
教える人はinput値とoutput値の相関関係を知っていると学習が早くなります。

このように学習と修正を繰り返す事でNNシステムが問題を上手に解決できるようになります。

高度な使用例としては経済予測（相場予測）があります。
例えば、input値として、100年間のドル為替レートとレートに関する適当な状態を渡して、近い将来の為替レートをoutputすることが可能です。

また、人気があるOCRテクノーロジや画像判定にもニューラルネットワークがよく使用されています。

また、機会があったらニューラルネットワークに付いてもっと詳しく解説したいと思います。