ネオコグニトロンはを理解するための用語です。この記事では仕組み・役割・使いどころを押さえ、G検定で問われる判断ポイントとひっかけポイントを解説します。

gk neural_network cnn

G検定トップ ＞ ネオコグニトロンとは？【G検定対策】

まず結論

  • ネオコグニトロン（Neocognitron）とは、画像認識のために提案された階層型ニューラルネットワークで、現在のCNN（畳み込みニューラルネットワーク）の原型とされるモデルである。
  • G検定では「CNNとの関係」「教師ありかどうか」「何が画期的だったか」が問われる。

直感的な説明

  • 人間が「線 → 形 → 物体」と段階的に認識する仕組みを、人工的に再現しようとしたモデル。
  • まず簡単な特徴（線や角）を捉え、次にそれらを組み合わせて複雑な形を理解していく。

定義・仕組み

  • 福島邦彦によって1980年に提案されたモデル。

  • 構造の特徴：

    • S細胞（Simple cell）：局所的な特徴を検出
    • C細胞（Complex cell）：位置ずれに対して頑健な特徴を表現
  • 層を重ねることで、位置ずれに強い画像認識を実現。
  • 学習は基本的に教師なし学習を前提としている。

いつ使う？（得意・不得意）

得意

  • 画像認識の概念的モデル
  • CNNの歴史・背景理解

不得意・注意点

  • 現代の大規模画像認識には不向き
  • 誤差逆伝播（バックプロパゲーション）を用いない

G検定ひっかけポイント

  • 「ネオコグニトロン＝CNNそのもの」→ ✕（原型・先祖）
  • 「教師あり学習」→ ✕（基本は教師なし）
  • 「誤差逆伝播で学習」→ ✕
  • CNNの発展史の中での位置づけを問われやすい

まとめ（試験直前用）

  • ネオコグニトロンはCNNの原型
  • S細胞・C細胞による階層構造
  • 位置ずれに強い特徴表現を実現
  • 教師なし学習・誤差逆伝播は使わない
  • 歴史的モデルとして頻出

🔗 関連記事

🏠 G検トップに戻る