---
title: "ネオコグニトロンからCNNへの進化の流れとは？G検定対策"
description: "ネオコグニトロンからCNNへの進化の流れについて、G検定で問われる画像認識・CNN分野の観点から、画像タスクでの役割、特徴抽出の流れ、代表モデルとの関係を整理します。暗記だけでなく、似た概念との混同を避ける見分け方や、選択肢を切るためのポイントも確認します。"
canonical_url: "https://stemtazoo.github.io/gk/neocognitron-to-cnn/"
section: "gk"
---

## まず結論

* **ネオコグニトロンは、現在のCNN（畳み込みニューラルネットワーク）の原型となったモデル**です。
* G検定では「**CNNの起源は何か**」「**誰が提案したか**」がよく問われます。

## 直感的な説明

* ネオコグニトロンは、
  **人間の視覚野の仕組みをまねて作られたモデル**です。
* 「部分を見る → 全体を理解する」を
  **層を重ねて実現しよう**としました。

👉 今のCNNがやっている

* エッジ検出
* 形状認識
* 物体認識
  の考え方は、すでにここにあります。

## 定義・仕組み

* **ネオコグニトロン（1979年）**

  * 提案者：**福島邦彦**
  * 構造：

    * **S細胞（特徴抽出）**
    * **C細胞（位置ずれへの不変性）**

* この構造が後のCNNの

  * 畳み込み層（Convolution）
  * プーリング層（Pooling）
    に対応します。

* ただしネオコグニトロンは

  * 誤差逆伝播（バックプロパゲーション）を使わない
  * 学習が手作業に近い
    という制約がありました。

## いつ使う？（得意・不得意）

### ネオコグニトロンの特徴

* 画像認識の概念的な基礎
* 位置ずれに強い構造

### CNNで改善された点

* 誤差逆伝播による学習
* 大規模データでの学習
* GPUによる高速化

👉 **実用性が大きく向上**しました。

## G検定ひっかけポイント

* ❌ **CNNはディープラーニング時代に突然生まれた** → 誤り

* ⭕ **ネオコグニトロンがCNNの原型** → 正解

* ❌ **ネオコグニトロンは誤差逆伝播を使っていた** → 誤り

* ⭕ **S細胞 / C細胞 → 畳み込み / プーリング**

👉 「1979年・福島邦彦・S細胞/C細胞」はセットで覚える。

## まとめ（試験直前用）

* ネオコグニトロンはCNNの原型
* 提案者：福島邦彦（1979年）
* S細胞＝特徴抽出、C細胞＝不変性
* 誤差逆伝播は使っていない
* 現代CNNはネオコグニトロン＋学習の進化
*