多層パーセプトロン(Multi Layer Perceptron; MLP)

Table of Contents

多層パーセプトロン（MLP）は、ニューラルネットワークの一種で、入力層、隠れ層（中間層）、出力層の3つ以上の層から構成されています。以下に、MLPの構造とその動作を図を用いて説明します。

多層パーセプトロンの構造
1. 1. 入力層 (Input Layer)
多層パーセプトロンの動作
1. 1. 順伝播 (Forward Propagation)

多層パーセプトロンの構造

1. 入力層 (Input Layer)

入力層は、外部からのデータを受け取る層です。各ノード（ニューロン）は、データの各特徴を表しています。 ### 2. 隠れ層 (Hidden Layer)

隠れ層は、入力データを処理し、特徴を抽出する層です。MLPには1つ以上の隠れ層があり、各隠れ層のノードは前の層の全てのノードと接続されています。隠れ層のノードは非線形活性化関数を使用して、データの非線形性を捉えます。 ### 3. 出力層 (Output Layer)

出力層は、最終的な予測結果を出力する層です。出力層のノード数は、分類問題の場合はクラス数、回帰問題の場合は予測する値の数に対応します。 ### 図解

以下に、典型的な多層パーセプトロンの構造を示す図を掲載します。

graph TD;
    A[入力層] --> B[隠れ層1]
    B --> C[隠れ層2]
    C --> D[出力層]
    subgraph 入力層
        A1[特徴1]
        A2[特徴2]
        A3[特徴3]
    end
    subgraph 隠れ層1
        B1[ノード1]
        B2[ノード2]
        B3[ノード3]
    end
    subgraph 隠れ層2
        C1[ノード1]
        C2[ノード2]
        C3[ノード3]
    end
    subgraph 出力層
        D1[クラス1]
        D2[クラス2]
    end
    A1 --> B1
    A1 --> B2
    A1 --> B3
    A2 --> B1
    A2 --> B2
    A2 --> B3
    A3 --> B1
    A3 --> B2
    A3 --> B3
    B1 --> C1
    B1 --> C2
    B1 --> C3
    B2 --> C1
    B2 --> C2
    B2 --> C3
    B3 --> C1
    B3 --> C2
    B3 --> C3
    C1 --> D1
    C1 --> D2
    C2 --> D1
    C2 --> D2
    C3 --> D1
    C3 --> D2