さて、今回は、本格的にANN (Artificial Neural Network) を説明し始めましょう。

これまで生物的な類似を見せるために、 どのような所がANNに取り込まれようとしているか書きました。 では、実際にどのような部分がANNに使われたんでしょうか?


ちなみに自分の 研究内容は、「 アーティフィシアル ニューロン ネットワーク を使って溶接された鉄の硬さを予測する」というものです。

Last Update 11/02/97

にも言った様に、神経細胞からANNに応用されているのは、3つあります。 今回はそのうちの一つ;
  1. 脳にある神経細胞は、たくさんの神経細胞が集まる事に よって、学習などの高度な知能的行動を可能にさせている。

について、深く考察したいと思います。

この文章の中で集まっている所、つまり、 ネットワークが、ANN には、反映されています。 この一つ一つの神経細胞は、ANN では、ノードという一つのプロセスサーになります。 このノードをたくさん使って、とりあずそれぞれのノードをつなげてしまえば、 これで、この点に関して言えば、、反映された事になるんですが、やっぱり、その中でも、 効率よく学習出来る様になるつなぎ方なり、計算結果が、良くなるつなげ方もあるんです。

自分は、その中でも「バックプロパーゲーション」と呼ばれる繋げ方を採用してます。 この「つなげ方」のいい所は、パターンマッチング(Pattern Matching)に とても、秀でています。

このパターンマッチングという事は、どういう事なのかと言えば、
「入力と出力に何か共通の物があるかどうかを見分ける事」なんです。
普通、私達人間にも、この能力があるんですよ。例えば、 数学の数列の問題で、不規則に並んでいるような分数があって、 何番目までをたせば、その合計はいくつになるか?という問題から、 兄弟は、生まれた日も、体系、等が違うのに、兄弟と言われると 「あー、なんだか似ている。」と言うのが、このパターンマッチングに なります。

このように、パターンマッチングという能力は、今まで、パソコンでは、 出来そうになかった問題(例えば、その問題が数学の数式で表す事が 出来ないぐらい複雑な問題、もしくは、表せる事が出来たとしても、 あんまり長い方程式で、計算の結果が出る頃には、もう、その答えでは、 間に合わないような問題)を解く事が出来やすくなった訳です。

実例をあげてみれば、自分の扱っている溶接の入力と出力のデーターは、 何かの機具を持ってくれば、計測可能です。しかし、どうして、この入力 データーから、この出力データーが出たかという事を従来の方法で するためには、溶接の事ばかりでなく、熱の流動力学、その使われた材質の 性格と、あげれば、きりのない事をたくさん熟知していて、それを使って 公式を捻り出すとなると、出来る事は出来ますが、かなり、専門的知識が 必要になって来るのが分かります。

ところが、このANN を使えば、学習するための入力、出力データーさえ、きちんと していれば、比較的簡単に、その ANN なりのモデルを作れてしまう訳です。 (でも、この学習するための入力、出力データーというを選択するためには、 やはり、そのアプリケーションによって知識は必要とされます。)

現在(97’11月)、このANNを使ったソフトウェアーは、いわゆるDOS/VマシーンのDOS版があります。 で、これをもう、一歩前進して、インターネットにいつでも手入れられる状態を作ろうとしています。 つまり、このページをもっと良い状態にしている最中なんです。だから、今度あなたがここに来る時は、少し変わっていると思いますよ。


ここまで、読んでくれてありがとうございました。何か気付いた点、もしくは、ご意見等ございましたら、私の所まで、メールください。 もしくは、ホーム又は目次まで。


このホームページのホストは、です。無料ホームページ をどうぞ

Copyright All right reserved by Shunsuke Morinishi (森西 俊介)1997