マカロック・ピッツ神経ネットワーク

マカロック・ピッツ ニューラル ネットワークは、1943 年にアメリカの神経生理学者ウォーレン マカロックと物理学者ウォーレン ピッツによって提案されたニューラル ネットワークの数理モデルです。このモデルは、人工知能を作成する最初の試みの 1 つであり、コンピューター サイエンスと人工知能の発展に大きな影響を与えました。

マカロックとピッツは、脳内のニューロンはオン/オフ方式で動作し、活動電位と潜時という 2 つの変数で説明できるという考えに基づいてモデルを開発しました。彼らは、活動電位はすべての入力電位の合計の関数として表現でき、遅延はすべての入力の遅延の関数として表現できると提案しました。

この考えは、シナプスを介して互いに接続された多くのニューロンで構成されるマカロック・ピッツ ニューラル ネットワークの数学的モデルの基礎を形成しました。各ニューロンには複数の入力があり、それぞれが別のニューロンから信号を受け取ります。信号は、ニューロン間の接続の強さを決定するさまざまな重みを持つシナプスを介してネットワーク全体に送信されます。

マカロック・ピット モデルは、多くの最新のニューラル ネットワークの基礎であり、機械学習、パターン認識、自然言語処理、その他の分野の問題を解決するために使用されます。また、病気の診断や治療結果の予測など、医療においても実際に応用されています。

McCulloch-Pitts ニューラル ネットワーク McCulloch と Pptts は、人工ニューラル ネットワーク開発の基礎となるニューロンのモデルを提案しました。このネットワークは複数のニューラル ネットワーク層で構成されており、各層には複数のニューロンが含まれています。各ニューロンは入力で N 個の異なる信号 (それらは「中間」信号として理解できます) を受け取り、出力で Y 個の異なる値、つまり次のニューロン層の信号を生成します。最初の層のニューロンは、ネットワークによって処理される画像ピクセルまたは入力である入力信号を受け取ります。入力データは投影ニューロンを介して入力されます。これらはニューロンの入力に入力信号を提供します。信号メカニズムを操作して、次のステージで使用される別の値を生成します。このプロセスは、結果が必要な精度に達するまで繰り返されます。神経通信ネットワークには 2 層および多層があります。 1 つのレイヤーには 2 ～ 数百のリンクを含めることができ、理論的には数百万のデータを処理できることを意味します。