パーセプトロン（Perceptron）は重要ポイントを整理して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 perceptron

G検定トップ ＞ パーセプトロン（Perceptron）

まず結論

  • パーセプトロンは最も基本的なニューラルネットワーク
  • 線形分離できる問題のみ解ける
  • XOR問題は解けない → これが最大の試験ポイント

直感的な説明

パーセプトロンは、

「複数の入力に重みを掛けて足し算し、ある基準を超えたら1、超えなければ0を出す」

という とてもシンプルな判定器 です。

イメージとしては、

  • 入力：スイッチ（ON / OFF）
  • 重み：重要度
  • 出力：YES / NO

を決める仕組みだと思えばOKです。

定義・仕組み

基本構造

パーセプトロンは次の計算を行います。

  • 入力：(x_1, x_2, …, x_n)
  • 重み：(w_1, w_2, …, w_n)
  • バイアス：(b)

[ \text{出力} = f\left( \sum_i w_i x_i + b \right) ]

ここで使われる活性化関数 (f) は ステップ関数 です。

  • 一定値以上 → 1
  • それ以外 → 0

学習の考え方

  • 正解と違った場合に、重みを少し修正
  • この修正を繰り返して、正解に近づける

この考え方が、後の 誤差逆伝播法 の土台になります。

いつ使う？（得意・不得意）

得意なこと

  • AND / OR のような 線形分離可能な問題
  • 構造が単純で、考え方の理解に最適

苦手なこと

  • XOR問題は解けない
  • 複雑なパターン認識には不向き

XOR問題を解けないことが、 「多層化（中間層が必要）」につながる重要な理由です。

G検定ひっかけポイント

  • ❌「パーセプトロンはXORを解ける」 → 誤り
  • ❌「非線形問題も解ける」 → 誤り
  • ✅「線形分離可能かどうか」が判断基準
  • ✅ 活性化関数は ステップ関数
  • ✅ 単層パーセプトロン = 中間層なし

特に、

XOR問題 → 解けない → 多層パーセプトロンへ

という流れは、頻出セットです。

まとめ（試験直前用）

  • パーセプトロンは NNの原点
  • 線形分離のみ可能
  • XORは解けない（超重要）
  • この限界が、多層NN・誤差逆伝播法につながる

👉 次は 多層パーセプトロン（MLP） を理解すると一気に視界が広がります。

🔗 関連記事

🏠 G検トップに戻る