パーセプトロン（Perceptron）とは、1957年にFrank Rosenblattが考案した最も単純なニューラルネットワークモデルです。入力の重み付き和にバイアスを加え、閾値関数を通して出力する単一のニューロンから構成されます。
単純パーセプトロン
単純パーセプトロンは1つのニューロンで構成され、線形に分離可能なデータのみを分類できます。XOR問題のような線形分離不可能な問題は解けないことが1969年にMinskyとPapertにより指摘され、AIの冬の一因となりました。
| ひとことで言うと | 1957年に考案された、ニューラルネットワークの最も基本的な一単位。 |
|---|---|
| どこで使う | 現在は実務というより、ニューラルネットの原理を理解するための基礎。 |
| 注意点 | 単層では直線でしか分けられない（XOR問題）。多層にして解決された。 |
多層パーセプトロン（MLP）
隠れ層を追加した多層パーセプトロン（MLP: Multi-Layer Perceptron）は、非線形な問題にも対応できます。MLPはニューラルネットワークの最も基本的な形態であり、万能近似定理により任意の連続関数を近似できることが証明されています。
1入力を受取るx1, x2, x3…
▶
2重みを掛ける重要度に応じて
▶
3合計するバイアスも足す
▶
4しきい値で判定超えたら1、以下なら0
歴史的意義
パーセプトロンはニューラルネットワーク研究の出発点であり、現代の深層学習の基礎概念（重み、バイアス、活性化関数、学習則）はすべてパーセプトロンに端を発しています。