パーセプトロン

[0001 名無しさん＠お腹いっぱい。 2012/03/05(月) 10:34:11.64 ID:w+qXHVn90]

パーセプトロンについて

[0002 名無しさん＠お腹いっぱい。 2012/03/06(火) 03:10:29.97 ID:DhWcq8kd0]

まずは、>>1がパーセプトロンについて概略を説明してくれよ！

[0003 名無しさん＠お腹いっぱい。 2012/03/09(金) 01:26:49.17 ID:2Im5m3/i0]

パーセプトロン - Wikipedia
http://ja.wikipedia.org/wiki/%E3%83%91%E3%83%BC%E3%82%BB%E3%83%97%E3%83%88%E3%83%AD%E3%83%B3

[0004 名無しさん＠お腹いっぱい。 2012/03/11(日) 22:01:26.71 ID:22O9HzBW0]

古本屋でパーソナルメディア出版のパーセプトロン買った。
内容は読んでないからわかりません。いや、読んでも私では理解できません。

[0005 名無しさん＠お腹いっぱい。 2012/03/15(木) 11:19:06.15 ID:amU5XlfR0]

小脳はパーセプトロン

[0006 名無しさん＠お腹いっぱい。 2012/03/15(木) 21:09:59.77 ID:QJoB6E+70]

結局、分からずじまいなんだが・・・誰か説明を頼ム！

[0007 名無しさん＠お腹いっぱい。 2012/03/16(金) 22:38:00.58 ID:SuRGNc380]

普通のアーティフィシャルネットワークじゃん

[0008 名無しさん＠お腹いっぱい。 2012/03/20(火) 12:03:39.20 ID:gvGAJL9I0]

アーティフィシャルネットワークって何よ？

[0009 名無しさん＠お腹いっぱい。 2012/03/20(火) 17:37:14.03 ID:rTzuRfWC0]

伊藤正男は神

[0010 名無しさん＠お腹いっぱい。 2012/03/22(木) 00:38:01.68 ID:cm6RZx+6O]

内容がスカスカなスレだな・・・

[0011 名無しさん＠お腹いっぱい。 2012/03/26(月) 00:58:57.72 ID:CnYWWc4q0]

wikipedia読んだけどよくわからない。
複数の入力に対し、何らかのアルゴリズムに基づいて決定的な出力を行うという事だろうか。
a,b,cという入力から判断して0若しくは1を出力するみたいな。
但し、各入力がどのようなパラメータの手続きにより判断されるかはランダムみたいな。

いや、よくわからないけど。

何かの近似解の算出には使えるのかもしれない。
普通に解くと物凄い時間のかかる問題を高速に80%の確率で正答するとか。

[0012 名無しさん＠お腹いっぱい。 2012/03/26(月) 10:13:29.39 ID:Pe/EIpQ30]

とりえず図書館あたりで原典の訳本を見てみたら？

[0013 名無しさん＠お腹いっぱい。 2012/03/27(火) 11:29:53.09 ID:bsQ+MVv70]

>>11
要するに、データを線形分離しながら分類して、どんどん収束させていく仕組みのことだよ。
ステップ数が多くなればなるほど精度が増す、すなわち、学習率が向上するというわけだ！

もし上記の説明で理解できなければ、明らかに知識不足だから、↓の本でも熟読してくれ。

Amazon.co.jp： 学習とニューラルネットワーク (電子情報通信工学シリーズ): 熊沢 逸夫: 本
http://www.amazon.co.jp/dp/4627702914/

[0014 名無しさん＠お腹いっぱい。 2012/03/28(水) 20:05:08.64 ID:dObpLfXx0]

めちゃ簡単な部品を組み合わせただけで、パターン認識ができてしまう。
ねじだけで作ったＤＶＤプレイヤーくらいのインパクトがある。

◆めちゃ簡単な部品

使う部品はこれだけ。ウソのようだが本当である。

◇部品Ａ
『入力Ａ』→入力Ａに重みを付ける『重みＡ』→

◇部品Ｂ
『入力Ｂ』→
『入力Ｃ』→◎→出力
『入力Ｄ』→


◎の解説：
『入力ＢとＣとＤを加算。その値が閾値より大きければ１を
出力（発火と呼ばれる）。その値が閾値より低ければ０を出力』

[0015 名無しさん＠お腹いっぱい。 2012/03/28(水) 20:07:15.74 ID:dObpLfXx0]

こんな単純な部品の組み合わせで、例えば写真を見て
『この人は日本人かインド象か？』などのパターン認識をしてしまう。

[0016 名無しさん＠お腹いっぱい。 2012/03/28(水) 20:09:09.06 ID:dObpLfXx0]

こんな単純な部品の組み合わせで、例えば写真を見て
『この人は日本人かインド象か？』などのパターン認識をしてしまう。

[0017 名無しさん＠お腹いっぱい。 2012/03/28(水) 20:13:45.47 ID:dObpLfXx0]

パーセプトロンには
『単純パーセプトロン』と
http://hooktail.org/computer/index.php?plugin=ref&page=Perceptron&src=perceptron5.png

『多層パーセプトロン』がある。
http://hooktail.org/computer/index.php?plugin=ref&page=Perceptron&src=perceptron4.png

どう違うかは図を見れば分かると思うが、
『単純パーセプトロン』は２層だし、
『多層パーセプトロン』は３層だ。

『単純パーセプトロン』は大したことできない。
『多層パーセプトロン』は何でもできる。

（『単純パーセプトロン』は直線の向こう側か？それとも直線のこっち側か？の認識しかできない。）

[0018 名無しさん＠お腹いっぱい。 2012/03/28(水) 20:16:47.90 ID:dObpLfXx0]

◆多層パーセプトロンの作り方

上記リンク先の図のように、部品を３層に組むだけである。
これだけである。

しかし、これだけでは動いてくれない。
学習させていかないといけない。

[0019 名無しさん＠お腹いっぱい。 2012/03/28(水) 20:21:55.50 ID:dObpLfXx0]

□□□□□□□□□□
□●□□□□□□□□
□□□□□□□□□□
□□□●□□□□□□
□□□□□□□□□□
□□□□□□□□□□
□□□□□□□□□□
□□□□□□□▲□□
□□□□□▲□□□□
□□□□□□□□□□

●＝インド人
▲＝日本人

だとしよう。どうやってパターン認識すべきか。

[0020 名無しさん＠お腹いっぱい。 2012/03/28(水) 20:24:05.17 ID:dObpLfXx0]

□□□□□□□□／□
□●□□□□□／□□
□□□□□□／□□□
□□□●□／□□□□
□□□□／□□□□□
□□□／□□□□□□
□□／□□□□□□□
□／□□□□□▲□□
／□□□□▲□□□□
□□□□□□□□□□

答えは『線を引いて、それのこっち側がインド人。
向こう側が日本人』とすればいい。

これがパーセプトロン。


で、どういう線を引けばいいのか。それがパーセプトロンの学習。

[0021 名無しさん＠お腹いっぱい。 2012/03/28(水) 20:26:45.40 ID:dObpLfXx0]

ところで >>14 で示した部品を組み合わせただけで、
『線を引いて、それのこっち側がインド人。 向こう側が日本人』
（インド人データだと発火する。日本人データだと発火しない）
そんな回路が作れるのだろうか？

インド人と日本人は直線で分けれるものとする。

これは宿題だ。

[0022 名無しさん＠お腹いっぱい。 2012/03/28(水) 20:33:08.37 ID:dObpLfXx0]

□□□□□□□□□□
□□□□□□□□□□
□□□□□□□●□□
●□□□□□□□□□
●□□▲□□□□□□
□□□□□▲□□□●
□□□□□□□□□□
▲□□□□□□□□□
□□▲□□□□□□□

これだとどうだろうか？

[0023 名無しさん＠お腹いっぱい。 2012/03/28(水) 20:35:16.70 ID:dObpLfXx0]

□□□□□□□□□□
□□□□□□□□□□
□□□□／＼□●□□
●□□／□□＼□□□
●□／▲□□□＼□□
□／□□□▲□□＼●
／□□□□□□□□＼
▲□□□□□□□□□
□□▲□□□□□□□

こういう線を引けばいい。
これが >>13 が言っている『データを線形分離しながら分類して、どんどん収束させていく仕組み』だ。

[0024 名無しさん＠お腹いっぱい。 2012/03/28(水) 20:40:03.51 ID:dObpLfXx0]

ところで、パーセプトロンで
こんな曲がった線で分けるような事ができるだろうか？

前に書いた部品の図を良く見てほしい。
あれは組み合わせれば【『Ｚが発火』もしくは『Ｙが発火』したら発火】という
OR回路が作れる。つまり、【『線分Ｗ』のこっち側】もしくは【『線分Ｖ』のこっち側】
で発火する回路が作れるってことだ。

[0025 名無しさん＠お腹いっぱい。 2012/03/28(水) 21:55:25.37 ID:dObpLfXx0]

C#でパーセプトロンを可視化してみた。
http://www.youtube.com/watch?v=IUDCZtrsVfg

[0026 【20.6m】 電脳プリオン 【東電 86.7 %】 2012/04/07(土) 22:35:35.05 ID:BrZmBUch0]

なるほどわからん

[0027 名無しさん＠お腹いっぱい。 2012/05/22(火) 23:14:20.37 ID:2SVbhjqY0]

面白そうではあるんだよねぇ

[0028 名無しさん＠お腹いっぱい。 2012/05/29(火) 23:25:51.94 ID:nxLAdXIv0]

初学者にお薦めの本はある？

[0029 名無しさん＠お腹いっぱい。 2012/05/29(火) 23:33:32.50 ID:CEAUaKxh0]

>>28
>>13で本が紹介されてるよ？

[0030 名無しさん＠お腹いっぱい。 2012/08/08(水) 13:32:46.85 ID:2AgvXZE+0]

パソコン上で使えるパーセプトロンってないの？

[0031 名無しさん＠お腹いっぱい。 2012/08/10(金) 00:50:54.96 ID:xB6Rfk+j0]

つーか人間の脳は明らかにパーセプトロンじゃないよな。小脳はともかく大脳だと抑制のフィードバックだのモジュレータだの回路が複雑すぎるわ

[0032 名無しさん＠お腹いっぱい。 2012/08/24(金) 07:00:33.83 ID:Jo644rQf0]

サポートベクターマシンってどうなの

[0033 名無しさん＠お腹いっぱい。 2012/10/22(月) 00:47:21.77 ID:ihw2c6AR0]

素晴らしいよ

[0034 名無しさん＠お腹いっぱい。 2012/11/19(月) 00:01:17.19 ID:UOOJu5R40]

素晴らしいが、結局特徴量の抽出アルゴリズムが最重要。
判定が速いのはいい。

[0035 名無しさん＠お腹いっぱい。 2012/12/22(土) 06:28:57.90 ID:7x5zDys80]

最近SVM使ってないな

[0036 名無しさん＠お腹いっぱい。 2013/01/02(水) 22:35:58.96 ID:3gF9PkZr0]

パーセプトロンとSVMとがどちらも線型分離で分類するなら、
両者の違いは何？

[0037 名無しさん＠お腹いっぱい。 2013/01/03(木) 04:31:01.74 ID:vOifdDXb0]

パーセプトロンは、とにかく分離できればOK
SVMは、できるだけ「よく」分離しようとする(マージン最大化)
もし線形分離可能なデータがあったとして、分離の仕方は一通りでは無いよね？

[0038 名無しさん＠お腹いっぱい。 2013/01/04(金) 00:35:38.98 ID:xVzbGrAt0]

その「よく」ってのは曲者で、学習データから得られた最大マージンとなる境界が
真の境界と一致するとは限らない。

[0039 名無しさん＠お腹いっぱい。 2013/01/04(金) 04:20:56.86 ID:MHBZl3IE0]

それは当然でしょ

[0040 名無しさん＠お腹いっぱい。 2013/03/03(日) 22:41:28.21 ID:MfK0UNAs0]

>>38
あくまでも効率的に分析するためのツールだからな

精確さを重視するならコストをかけて調べるべきだ

[0041 名無しさん＠お腹いっぱい。 2013/03/19(火) 18:44:43.40 ID:BuSxK0Bt0]

いまでもニューラルネットとか、真面目に研究してる人っているのかな？
ファジーやGAやニューラルネットが混沌としてた時代に学生やってたので、ふと気になった。
統計処理や回帰分析でパターン認識やればすぐにいい成果でるのがわかってるんだから、幾何や解析の手法を持ち込んでメタなレイヤーか学習関数をいれてやればと手をつけたら誰も相手してくれなくなった。
一台のEWSワークステーションをシェアしてて、40MBのライブラリをHDDにダウンロードしたら怒られる時代。GPU,SSD,数GBの主記憶。もう当時とは別世界だな。