最終更新日：2026年8月21日

gk neural_network perceptron

G検定トップ ＞ 単純パーセプトロンとは？線形分離とXORの限界【G検定対策】

まず結論

単純パーセプトロン（Perceptron）は、入力の重み付き和をしきい値で判定する、ニューラルネットワークの基本モデルです。

G検定では、次の対応を最優先で押さえます。

  • 線形分離できる → 単純パーセプトロンで扱える
  • 線形分離できないXOR → 単純パーセプトロンでは扱えない
  • 中間層＋非線形活性化 → 多層パーセプトロンでXORを表現できる

直感的な説明

単純パーセプトロンは、複数の入力を見て、

「重み付き合計が基準を超えたか？」

で0か1を決める判定器です。

入力
 ↓
重みを掛けて足す
 ↓
しきい値と比較
 ↓
0 または 1

この仕組みで作れる境界は基本的に直線や平面です。

定義・仕組み

単純パーセプトロンでは、入力 x に重み w を掛けて足し、バイアスを加えた値をしきい値で判定します。

細かな式よりも、G検定では次を理解しておけば十分です。

  • 入力ごとに重みを持つ
  • 重み付き和を計算する
  • しきい値を超えるかで2値を出す
  • 学習では誤分類に応じて重みを修正する

歴史的には、フランク・ローゼンブラットが1950年代にパーセプトロンを提案したことで知られています。

AND・ORとXOR

問題 線形分離 単純パーセプトロン
AND できる 扱える
OR できる 扱える
XOR できない 扱えない

XORの詳しい理由はXOR問題で確認できます。

いつ使う？（得意・不得意）

得意

  • 線形分離可能な2値分類
  • ニューラルネットワークの基本原理の理解

不得意・注意点

  • XORのような線形分離不可能な問題
  • 複雑な非線形境界が必要な問題

単純パーセプトロンの限界を越える流れとして、多層パーセプトロンが重要です。

G検定ひっかけポイント

  • ❌「単純パーセプトロンはXORを解ける」
    • XORは線形分離できません。
  • ❌「学習率を変えればXORを解ける」
    • 問題は学習率ではなくモデルの表現力です。
  • ❌「単純パーセプトロンには中間層がある」
    • 単純パーセプトロンには中間層はありません。
  • ⭕「1950年代・ローゼンブラット」
    • パーセプトロンの歴史的キーワードです。

判断基準

  • 1本の境界で分けられる → 単純パーセプトロン
  • XOR・線形分離不可能 → 単純パーセプトロンでは不可
  • 中間層・非線形活性化 → 多層パーセプトロン

まとめ（試験直前用）

  • 単純パーセプトロン＝重み付き和＋しきい値
  • 線形分離可能な問題を扱う
  • XORは線形分離できないので扱えない
  • ローゼンブラットが1950年代に提案
  • XORの限界から多層化へつながる

© 2024-2026 stemtazoo. All rights reserved.