5.理学療法士のためのニューラルネットワーク概論 その1
少し期間が空いてしまいました、お久しぶりです。今回はニューラルネットワークの入り口程度の内容です。
前回の記事、番外編は少し難しいと言うか変態さ加減全開でしたかね。
前々回では、自然言語処理の中でもSOMについて少し書きました。
なかでも、SOMは従来から行われてきたクラスター分析などのクラスタリング手法よりも精度が高い可能性があると記載しました。
なぜ、精度が高い可能性があるのか？？については、ニューラルネットワークを紹介していく中で解説していければと思います。もしかしたら次々回になるかも知れませんが・・・
（数学的に非常に難しいので、出来るだけ簡単な図解で説明します）
ニューラルネットワークとは
人間の神経細胞を数学的にモデル化したものです。
つまり、コンピューターで人間の神経のようなモノを作ったよと言う感じです。
下の写真は神経ですよね、理学療法士であれば学生の頃に確実にテストにでます。
そして、これがコンピューターで数学的に神経を再現したものです。
ちょっと似てますよね。
これは何らかの情報（X）が入り、処理統合されて、結果（y）をだすといったものです。
上の図は非常に簡単な層の浅い構造です。
これは、wikiから引用した画像ですが、
インプット⇨中間層⇨アウトプットと言う流れで最終的に２種類の結果のどちらかを出力するようになっています。
これはロジスティック回帰分析に似ていますよね。
つまりy（従属変数）が２値で、x（独立変数）が複数あると言う状態です。
そして、この層が合計で４層以上で作られたニューラルネットワークを
「ディープニューラルネットワーク」と呼ばれています。
４層以上の構造で学習させていく方法をディープラーニング といいます。
画像であれば、画像を深く深く読み込んでいくと言う事です。
そして、何回も何回も読み込み・学習させることで、画像と画像の共通した特徴や、また異なる特徴をコンピューターが発見して学習していきます。
ディープニューラルネットワークにも画像に特化したものと、文字や音声に特化したものがあります。
画像に特化した教師ありディープニューラルネットワーク
「Convolution Neural Network；CNN」畳み込みネットワーク
文字や音声に特化した教師ありディープニューラルネットワーク
「Recurrent Neural Network；RNN」再帰型ネットワーク
「Self-organizing maps；SOM」自己組織化マップ
用語が増えてちょっと難しくなってきました、
ふわっとした内容ですが、解説はこのあたりで留めておきますね。
人工知能ブームが起きていますが、言い換えるとディープラーニングブームといっても過言ではありません！！
これまで、コンピューターで再現出来なった、もしくは、学習させる時間が膨大で不可能だったのがコンピューターの進化によって出来るようになってきたので人工知能ブームが到来したのですね。
私が作った「老け顔判定AI」の学習時間は１時間程度でした！
私が使用しているPCは一般人が持てる最高クラスのPCなので１時間で済みましたが、core i5 ,メモリが4gbだと２４時間でも終わらない可能性があり、多分PCが壊れますので注意してください！！！！
人工知能を作るためのPCについても次回あたり（番外編２）で書いていきたいと思います。
