ニューラルネットワーク

人間の脳内の神経細胞のネットワーク構造を模倣した機械学習の手法のひとつです。

入力層

データをモデルに供給する役割を果たします。

• 例えば、画像分類の場合、入力層には画像のピクセル値が入力されます。この層は、単にデータを次の層に渡すだけで、特徴を学習したり、抽象化する役割はありません。

隠れ層

ニューラルネットワークの中心的な役割を果たします。入力層からデータを受け取り、内部で計算を行います。ここで重要なのは、隠れ層が データの「特徴」を自動的に学習し、抽出する ことです。

• 例えば、画像分類タスクでは、隠れ層がピクセルのパターンを分析し、画像に含まれる形や輪郭、色などの特徴を抽出します。これにより、モデルは「リンゴは丸くて赤い」「オレンジは丸くてオレンジ色」など、分類に必要な情報を学習します。

出力層

隠れ層で処理された情報をもとに、最終的な予測結果を生成します。

• 例えば、「これはリンゴかオレンジか」という分類結果を出力します。この層では、分類問題の場合、ソフトマックス関数などが使われて、各クラスに属する確率が計算されます。

データ正規層

データのスケールを揃えるための層です。

スケールを合わせる役割を果たします。ただし、これは特徴の学習や抽出には直接関与しません。