単純パーセプトロン

単純パーセプトロンとは、ニューラルネットワークの基礎となる、最もシンプルな情報処理モデルです。複数の入力信号に対してそれぞれ重みを掛け合わせ、その総和を計算します。その総和がある閾値を超えた場合にのみ「1」を出力し、そうでなければ「0」を出力するというステップ関数を活性化関数として持ちます。

このモデルは、入力データに対して線形分離可能なパターンしか学習・分類できないという大きな限界を持っています。例えば、排他的論理和（XOR）のような非線形な関係を持つ問題は、単純パーセプトロン単体では解くことができません。この限界を克服するために、層を複数重ねた多層パーセプトロンが登場し、現在のディープラーニングへと繋がっています。

G検定では、ニューラルネットワークの歴史的背景と発展の流れを理解する上で非常に重要です。パーセプトロンがどのような問題を解けて、どのような問題を解けないか、そして多層化がなぜ必要だったのかを、歴史的経緯と合わせて押さえておく必要があります。