パーセプトロン

パーセプトロンについて

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！

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

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。

小脳はパーセプトロン

結局、分からずじまいなんだが・・・誰か説明を頼ム！

普通のアーティフィシャルネットワークじゃん

アーティフィシャルネットワークって何よ？

伊藤正男は神

内容がスカスカなスレだな・・・

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。

とりえず図書館あたりで原典の訳本を見てみたら？

>>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/

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』

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。

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。

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。）

◆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。

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

●＝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。

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

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。

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。

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

これだとどうだろうか？

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

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。

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。

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

なるほどわからん

面白そうではあるんだよねぇ

初学者にお薦めの本はある？

>>28
>>13で本が紹介されてるよ？

パソコン上で使えるパーセプトロンってないの？

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

サポートベクターマシンってどうなの

素晴らしいよ

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。

最近SVM使ってないな

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？

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？

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。

それは当然でしょ

>>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

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。

>>41
廃れてるのか？

>>41
別世界になってもたいして進歩してない現実。

あげ

◎2chスレッド勢いランキングサイトリスト◎

★+ニュース板
・ 2NN (推奨サイト)
・ 2chTimes
★+ニュース板新着
・ 2NN新着
・ Headline BBY
・ unker Headline
★+ニュース板その他
・ Desktop2ch
・ 記者別一覧
★全板
・ 全板縦断勢いランキング (推奨サイト)
・ スレッドランキング総合ランキング
・ ログ速
★全板実況込み
・ 2勢 (推奨サイト)
・ READ2CH
・ i-ikioi

※ 要タイトル検索
※ 2chブラウザ併用推奨

>>41
今はDeepLearningだろ
まあ手軽なのは全部SVMに席巻されてしまったが

＞大阪府三島郡島本町の小学校や中学校は、暴力イジメ学校や。
島本町の学校でいじめ・暴力・脅迫・恐喝などを受け続けて廃人になってしもうた僕が言うんやから、
まちがいないで。僕のほかにも、イジメが原因で精神病になったりひきこもりになったりした子が何人もおる。
教師も校長も、暴力やいじめがあっても見て見ぬフリ。イジメに加担する教師すらおった。
誰かがイジメを苦にして自殺しても、「本校にイジメはなかった」と言うて逃げるんやろうなあ。
島本町の学校の関係者は、僕を捜し出して口封じをするな。

＞島本町って町は暴力とイジメと口裏合わせと口封じと泣き寝入りの町なんだなあ

子供の時に受けた酷いイジメの体験は、一生癒えない深い傷になる
暴力とイジメの町に巣食うヤクザ・チンピラ・ゴロツキ・不良・ いじめっ子・殺人鬼・ダニ・
ノミ・シラミなどを監視して非難するのは暮らしやすい町を作るのに必要だ