フィードフォワードニューラルネットワークとは
フィードフォワードニューラルネットワークは、ユニット接続がループではなく、単一の有向パスで移動するタイプのニューラルネットワークです。 これは、情報がシステム全体で前後に移動できるリカレントニューラルネットワークとは異なります。 フィードフォワードニューラルネットワークは、最も一般的なタイプのニューラルネットワークであり、理解および構成が最も簡単なものの1つです。 これらのタイプのニューラルネットワークは、データマイニングや予測行動が必要なその他の研究分野で使用されます。
ニューラルネットワークは、人間の脳の「思考」プロセスを大まかに模倣するように設計された人工知能ネットワークです。 データの文字列をネットワークに供給することにより、コンピューターは、それを流れるパターンを「学習」する機会を与えられ、回答を正しく識別して傾向分析を提供できるようになります。 これらは、データマイニング操作中など、ある程度の学習とパターン認識が必要なタスクで使用されます。 データマイニングとは、消費者の購買動向や株式市場の進行状況の分析など、情報のコレクションから傾向を分析することです。
フィードフォワードニューラルネットワークを通過する情報は、入力層に入り、隠れ層を通過し、ネットワークの外側の層から出て、エンドユーザーにクエリへの回答を提供します。 入力レイヤーは、ユーザーが情報の生データまたはパラメーターを入力する場所です。 トランザクションの本質は隠されたレイヤーで行われ、コンピューターは同様のデータを処理して「推定」応答を生成する「経験」にフォールバックします。 情報は出力層に集められ、そこで回答がエンドユーザーに返されます。
通常、フィードフォワードニューラルネットワークは、エンドユーザーがより多くの実験データを提供するため、より効率的になります。 平均を計算するのと同じように、多数のテストイベントを使用すると、より正確な結果が得られます。 たとえば、6面ダイスで「1」を振る確率は16.667%です。 しかし、実際のデータを使用して計算された平均を確認するには、数百または数千のシミュレーションが必要です。 フィードフォワードニューラルネットワークは同じです。 それらの応答は、時間と経験とともにより正確になります。