コネクショニストモデル

コネクショニストモデルは、人間の脳の神経細胞に対応した処理ユニットのネットワークを用いて、人間の認知の仕組み理解しようとするアプローチである。並列分散処理モデル(PDPモデル)やニューラルネットワークモデルとほぼ同義で用いられることもある。

各ユニットは活性値を持ち、使用頻度によってユニット同士の結合度を変化させる。最初は正しい反応を示さず間違いも犯すが、学習によって知能的な反応が現れてくる。


ネットワーク構造

コネクショニストモデルのネットワーク構造は、入力から出力までユニットが順方向に結合されている多層ネットワークと、ユニット間に双方向性がある相互結合ネットワークが基本構造として用いられる。多層ネットワークにフィードバック結合を加えたネットワークも数多くの研究で用いられている。

ローゼンブラットが開発した単純パーセプトロンの非線形の計算が学習可能ではないという問題点を解決するため、デビット・ラメルハートとジェームズ・マクレランドは、パーセプトロンを多層にし、誤差逆伝播法(バックプロパゲーション)を提案した。誤差逆伝播法は、出力ユニットの活性値と、教師信号との誤差を計算し、順方向とは逆の順番で結合度の修正が行われる教師あり学習といわれる技術を採用している。

相互結合ネットワークでは、層という形状はなくユニット同士が相互に結合している。あるユニットから出力された情報が、もとのユニットに戻ってくることもあり、これはフィードバックと呼ばれる。


参考書籍
おすすめの実用書
関連コンテンツ
認知心理学カテゴリー
高次認知機能
トップメニュー
物理学