パーセプトロン
出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2023/05/29 09:16 UTC 版)
パーセプトロン（英: Perceptron）は、人工ニューロンやニューラルネットワークの一種である。心理学者・計算機科学者のフランク・ローゼンブラットが1957年に考案し、1958年に論文[1]を発表した。モデルは同じく1958年に発表されたロジスティック回帰と等価である。
- ^ Rosenblatt, Frank (1958). “The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain”. Psychological Review 65 (6): 386-408.
- ^ “A theory of cerebellar cortex”. Journal of Physiology 202: 437-470. (1969). PMID 5784296.
- ^ “A theory of cerebellar function”. Mathematical Bioscience 10: 25-61. (1971).
- ^ “Climbing fibre induced depression of both mossy fibre responsiveness and glutamate sensitivity of cerebellar Purkinje cells”. Journal of Physiology 324: 113-134. (1982). PMID 7097592.
- ^ “What is Perceptron? A Beginners Guide [Updated | Simplilearn]” (英語). Simplilearn.com (2021年5月26日). 2023年5月5日閲覧。
- ^ “有意に無意味な話: 単純パーセプトロンの収束定理と限界”. 2020年8月16日閲覧。
[続きの解説]
「パーセプトロン」の続きの解説一覧
- 1 パーセプトロンとは
- 2 パーセプトロンの概要
- 3 概要
- 4 参考文献
- 5 関連事項
パーセプトロン
出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2022/03/15 10:23 UTC 版)
「パーセプトロン」も参照 パーセプトロンでは、前述のモデルから、線型和にバイアス値 b を加えることが提案された。 y = u + b {\displaystyle y=u+b} φ ( x ) = x {\displaystyle \varphi (x)=x} 一般にこのような純粋な形式の伝達関数は回帰設定の場合のみしか使えない。二値分類設定では出力の符号で 1 または 0 に対応させる。これはすなわち、上述のステップ関数で b の符号を反転した場合と等価であり、学習アルゴリズムで有効である。
※この「パーセプトロン」の解説は、「活性化関数」の解説の一部です。
「パーセプトロン」を含む「活性化関数」の記事については、「活性化関数」の概要を参照ください。
ウィキペディア小見出し辞書の「パーセプトロン」の項目はプログラムで機械的に意味や本文を生成しているため、不適切な項目が含まれていることもあります。ご了承くださいませ。 お問い合わせ。
- パーセプトロンのページへのリンク
