単純パーセプトロンとは
単純パーセプトロンとは、入力層と出力層のみからなる最も基本的なニューラルネットワークです。線形分離可能な問題しか解けないという制約がG検定対策として重要なポイントになります。
この用語はG検定シラバスの「11. ニューラルネットワークとディープラーニング」に含まれます。 章全体の用語は用語解説③（全52語）にまとまっています。
一言でいうと
入力層と出力層だけでできた、最も単純なニューラルネットワークです。
どういう仕組みか
入力それぞれに重みを掛けて足し合わせ、その合計がしきい値を超えるかどうかで出力を決めます。人間の神経回路のはたらきを単純化したモデルです。
隠れ層を持たないため、引ける境界は直線（超平面）だけになります。
XOR問題という限界
直線1本で分けられない問題は解けません。その代表例がXOR（排他的論理和）です。2つの入力が異なるときだけ1を出す関係は、どう直線を引いても分離できません。
この限界が指摘されたことでニューラルネットワーク研究は一度停滞しました。「単純パーセプトロン＝線形分離のみ」はそのまま選択肢になります。
どう乗り越えたか
隠れ層を追加した多層パーセプトロンにし、さらに非線形の活性化関数を入れることで非線形な境界を表現できるようになりました。
ただし多層にすると学習方法が問題になり、その解決が連鎖律を用いた誤差逆伝播法でした。
バイアス項の役割
実際のパーセプトロンには、入力とは別にバイアスと呼ばれる項が加わります。
これは境界線を原点から平行移動させる役割を持ちます。バイアスがないと境界は必ず原点を通ることになり、表現できる境界がさらに狭まってしまいます。
混同しやすい用語との違い
| 用語 | ポイント |
|---|---|
| 単純パーセプトロン | 隠れ層なし。線形分離可能な問題のみ |
| 多層パーセプトロン | 隠れ層あり。非線形な問題も扱える |
🎯 G検定での押さえどころ
- 入力層と出力層のみ（隠れ層がない）
- 線形分離可能な問題しか解けない
- 代表的な限界の例がXOR問題
⚠️ よくある誤りの選択肢
- 「単純パーセプトロンはXOR問題を解ける」→ 誤り。線形分離できないため解けません
- 「単純パーセプトロンには隠れ層がある」→ 誤り。入力層と出力層のみです
📘 もっと深く学ぶ
- 数式レベルまで踏み込んだ解説 → 医療AIナビ「多層パーセプトロン」（E資格向け）
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。