ニューラル・ネットワーク

　機械学習の一種で、人間の脳の神経細胞（ニューロン）が持つ特徴を理数モデルとして人工的に表現したものです。

ニューラルネットワークは、教師データ（正解）の入力によって問題に最適化されていく教師あり学習と、教師データを必要としない教師なし学習に分けられます。

ニューラルネットワークにおいて、学習とは、出力層で人間が望む結果（正しい答え、正解）が出るよう、パラメータ（重みとバイアス）を調整する作業を指します。機械学習においてニューラルネットワークを学習させる際に用いられるアルゴリズムは誤差逆伝播法です。

誤差逆伝播法は、バックプロパゲーション（BP)ともよばれ、損失関数の微分を効率的に計算する方法の１つです。殆ど毎回正しい答えを出せるようになるまでニューロンの入力に対する重みが最適化されるには、何十万、何百万もの枚数の画像を読み込む必要があります。

ネットワークの最適化はトレーニングあるのみであり、この学習段階を経てニューロンネットワークは正解にたどり着くためのルールを独習できるようになります。そして、正しい出力を得るために必要な、入力層と出力層の間にある層（中間層や隠れ層と呼ばれる層）それぞれにおける入力データに対する適切な重みと勾配がわかってきます。学習用の入力データが多ければ多いほど、出力の精度は上がります。

●　教師あり学習

　事前に与えられた学習データに正解データを付与して学習する方法です。正解データがある学習方法なので、「教師あり学習」と呼ばれています。大量の正解付き学習データをプログラムに与えて、入力と出力の関係を学習させるのが基本です。

●　教師なし学習

　事前に与えられ教師あり学習とは違い、学習データに正解データを付与しないで学習する方法です。
教師なし学習は、正解データがなくても事前に与えられたデータから、そのデータの構造や特性から新しい知見を見つけ出すことができます。

教師なし学習は、一般的にECサイトの「あなたへのオススメ」やyoutubeの「あなたにおすすめな動画」などのリコメンデーション機能などに使われています。学習データに正解データを付与して学習する方法です。正解データがある学習方法なので、「教師あり学習」と呼ばれています。大量の正解付き学習データをプログラムに与えて、入力と出力の関係を学習させるのが基本です。

●　強化学習

　強化学習とは、プログラム自体が「価値を最大化するような行動」を学習する方法です。 プログラム自体が、現在の状態から将来の価値を最大化する行動を自ら学習します。

身近なもので例えると、囲碁や将棋がとても似ているでしょう。囲碁や将棋は、毎回将来の勝ちか負けに繋がる一手を打つゲームなので、将来の価値を最大化する学習が必要になります。

　⇒