# パーセプトロン ## 定義 パーセプトロン（Perceptron）とは、Frank Rosenblatt が1958年に提唱した、視覚情報の知覚やパターンの分類を自己組織的に学習する初期の人工ニューラルネットワークモデルである。入力層（感覚層）、中間層（連合層）、出力層（反応層）から構成され、連合層から反応層への結合重みを訓練データに基づくフィードバックによって調整することで学習を行う。 ## 未解決の問い - 単層パーセプトロンにおける線形分離限界（Minsky & Papert 1969）に対し、多層化（多層パーセプトロン）および非線形活性化関数が表現能力をどこまで普遍化できるか（普遍性定理の実装限界）。 - 生体脳の局所的学習則（STDPなど）とバックプロパゲーションの数学的乖離を埋めるパーセプトロンの生物学的妥当性の再評価。 ## 未編纂の観察 - Frank Rosenblattの原論文(1958)は、脳の配線を統計的結合として捉え、重み更新則（α、β、γシステム）の比較を通じて総量保存型のγシステムが最も安定した学習・汎化を達成することを数学的・シミュレーション的に示した(Source: [[@1958__PsycholRev__The Perceptron - A Probabilistic Model for Information Storage and Organization in the Brain]])。 ## 関連 - ソース: [[@1958__PsycholRev__The Perceptron - A Probabilistic Model for Information Storage and Organization in the Brain]] - 人物: [[Frank Rosenblatt]], [[Marvin Minsky]] ## 出典 - [[@1958__PsycholRev__The Perceptron - A Probabilistic Model for Information Storage and Organization in the Brain]]