パーセプトロン

ニューラルネットの最小単位が、2 種類の点を 1 本の直線で分ける境界を自力で学習する様子を見ます。

学習率 0.10

キャンバスをクリックで点を追加

学習パス数

重み更新回数

誤分類の点

—

重み (w₀,w₁,w₂)

—

クラス +1

クラス −1

いま見ている点

学習中の境界線

パーセプトロンは入力に重みを掛けて足し、符号で 2 クラスに分ける 1 個のニューロンです。
判定は w₀ + w₁x + w₂y の符号。これが 0 になる場所が 境界線です。
学習則はシンプル ── 間違えた点があれば、その点を正しく分類する向きへ重みを少し動かす。線形分離できるデータなら、必ず有限回で全問正解の線にたどり着きます（パーセプトロンの収束定理）。

いま何が起きている？

ここがディープラーニングの核心

ニューロン 1 個は 「重み付き和 → 符号」という単純な計算しかしていない。
学習＝間違えた点を見るたびに重みを少し修正する、ただの繰り返し。
境界は必ず直線。だから XOR のような線形分離できないデータは 1 個では解けない ── 層を重ねる動機になる。
多層パーセプトロン（ディープラーニング）は、この修正を誤差逆伝播で全層に伝えることで曲がった境界も学習する。