MedTechToday編集部のいとうたかあきです。

今回の記事ではCNNやRNNといったディープラーニング技術の基礎となっているDNN（ディープニューラルネットワーク）について、

「さらっと読んで、理解したい！AI知識を増やしたい！」

という方向けに解説します。

1.DNNの定義

DNNとは、一言でいうと、

4層以上に層を深くした多層ニューラルネットワークのことです。

また、ニューラルネットワークとは、

パーセプトロンを複数組み合わせたものの総称です。

つまり、DNNを理解するにはパーセプトロンとニューラルネットワークの知識が必要です。

ここからは、パーセプトロン、ニューラルネットワーク、DNN

と順を追って説明していきます。

2.パーセプトロン

パーセプトロンでは、「複数の入力値」に対して処理を行い「1つの出力」を行います。

• 

上図は３つの入力値に対するパーセプトロンのイメージ図です。

ここで、パーセプトロンの処理について

下図に照らし合わせて、具体的にみていきます。

• 

まず入力値について説明します。

パーセプトロンに入力される値を、今回はX1,X2の２つとします。

具体的には、X1に身長値、X2に体重値を入力する場合等が、考えられます。

なお、入力数は自由に増やすことができます。

また入力値に1が含まれていますが、

これはバイアスと呼ばれ、入力数によらず、出力値の調整のために存在します。

次に重みについて説明します。

重みは、入力の出力への影響力を調整する役割があります。

例えばX1の影響力を大きく、X2の影響力を小さくしたい場合は、

W1を 0.8、W2を 0.2 のように調整します。

また処理と書かれている箇所では、まず、入力値と重みをかけて足し合わせます。

Y’=1・W0+ X1・W1+ X2・W2

次に、この合計値を用いて、

出力値を決定する関数（活性化関数）に合計値を代入し、出力値を決定します。

活性化関数はいくつもの種類がありますが、パーセプトロンでは、ステップ関数を使用します。

ステップ関数では、合計Y’が０より大きければ１を出力し、０以下なら０を出力します。

このようにパーセプトロンでは、活性化関数がステップ関数のため、１か０の出力が得られます。

パーセプトロンを使用すると、例えば

X1に身長値、X2に体重値を入力した場合の出力Yとして、

１がでたら男性、０がでたら女性と判定できる識別器がつくれます。

3.ニューラルネットワーク

先ほど説明したパーセプトロンが、ニューラルネットワークの基本単位となります。

簡単に述べると、

パーセプトロンをそれぞれを繋げて

ネットワーク化して処理を行うのが

ニューラルネットワークです。

• 

パーセプトロンは「入力」と「出力」だけでしたが

ニューラルネットワークは、上図のように

「入力層」、「中間層」、「出力層」、

の3層で構成されているのがわかります。

出力値と関係がある「出力層」における

活性化関数の1例として、ソフトマックス関数があります。

ソフトマックス関数では、

出力値は0～1.0の範囲をとり、

出力値の総和は１となる特徴があり、

出力を確率とみなせることから、分類問題でよく用いられます。

4.DNN

さらに、下の図のように「中間層」を2層以上に深くしたネットワークを

DNN(ディープニューラルネットワーク)と呼びます。

DNNを用いた機械学習手法のことを、ディープラーニングと呼びます。

また、ディープラーニングが深層学習と呼ばれるのは、

この中間層が深いことに起因します。

パーセプトロンやニューラルネットワークでは

単純な情報しか処理、表現できないため、

情報の複雑さに対応できるように”層”の数を増やした結果、

DNNでは、精度が飛躍的に高まりました。

５．入力と出力の具体例

ニューラルネットワークの説明以降、

「入力」と「出力」について具体例を見てこなかったので、抽象的な印象を持たれている方もいるかもしれません。

ここで、画像の分類問題で「入力」と「出力」の具体例を説明します。

例えば、下の画像の犬を、犬か猫か狐のいずれかに分類するタスクを考えます。

このときの「入力」は指定範囲（今回は黒枠箇所）

の各画素のピクセル値となります。

ピクセル値とは画像のピクセルに含まれる

色の明るさを表す数値となります。

ちなみに、1ピクセルあたり、

白黒画像では、1つの値を、

カラー画像では、RGB（赤、緑、青）

それぞれに値をもつため、3つの値が含まれてます。

DNN後の「出力」は、出力層にソフトマックス関数を使用した場合には、

犬である確率（0.9）、猫である確率(0.07)、狐である確率(0.03)

と可能性の確率が「出力」されていることとなります。