機械学習を学ぼうニューラルネットワーク編

教師あり学習と 3 層ニューラルネットワークの基本を中心に、パーセプトロンや誤差逆伝播法の考え方を画面イメージとともに紹介します。

機械学習とは?

機械学習とは、データから規則や傾向を学び、新しい入力に対して予測や分類を行う技術です。本アプリでは、身近な例を使いながら、入力から出力までの流れを理解できるようにしています。

文字認識のように、入力データから結果を推定する仕組みをテーマに、実際の画面を見ながら学べる構成です。機械学習はすでに自動運転や医療画像の解析など、さまざまな分野で活用されています。

本アプリでは教師あり学習を中心に扱います。画像データを数値化し、その入力に対して正解となる教師データを用意して学習させます。

たとえば文字画像なら、入力データに対して「これは A」などの答えを与えます。このような正解付きデータを繰り返し用意することで、学習に時間はかかりますが、入力に対する出力の精度を高めていけます。

学習できたといえるのは、教師データに合うだけでなく、未知の入力に対しても妥当な出力を返せるネットワークになったときです。文字認識なら、入力データは各画素の濃さの集合となり、出力データは各文字である確率になります。

たとえば「A である可能性 92%、B である可能性 1%」のように、複数候補の確率として表現されます。このようなネットワークをニューラルネットワークと呼びます。

ニューラルネットワークは複数のパーセプトロンから構成されます。パーセプトロンは複数の入力値に矢印の重みを掛け算し、足し算を行い、さらにバイアスを加える基本単位です。

0.3 × -0.33 + 0.4 × 0.44 + 0.11 = 0.187

この値をそのまま使うのではなく、活性化関数であるシグモイド関数を通すことで、 0 から 1 の範囲の出力に変換します。

1 / (1 + exp(-0.187)) = 0.5466

答えを適切に出力するためには、矢印に適切な値を更新する必要があります。学習開始時点ではランダムな値から始め、教師データと出力結果の差を見ながら、繰り返し値を調整していきます。

本アプリでは、学習条件をまとめたケースを追加しながら、入力層・隠れ層・出力層の設定も行えます。そのため、学習の準備段階から全体の流れを把握できます。

学習を進めるには、教師データから出力との差を確認し、その誤差をもとにどの矢印の値をどれだけ修正するかを決める必要があります。誤差逆伝播法はこの調整を効率よく行う方法です。

出力層で生じた誤差を手掛かりに、中間層、入力層へと順番に影響をたどり、それぞれの重みを少しずつ更新します。こうして学習を繰り返すことで、出力は徐々に教師データへ近づいていきます。

このアプリでは、隠れ層が 1 つの 3 層ニューラルネットワークを主に扱っています。さらに多くの層を重ねると、より複雑な特徴を段階的に学習できるようになり、画像認識や音声認識などでも活用されるディープラーニングへつながります。

層が深くなるほど計算量や過学習などの課題も増えますが、活性化関数や Dropout、バッチ正規化などの技術によって実用性が高まっています。