*ニューラルネットワーク とは 　脳の神経細胞（ニューロン）を模した仮想的な計算素子（以降，ユニットと表記）を組み合わせたネットワークです．１つのユニットは複数の入力値から１つの値を計算して出力します．図１に，ユニットの入出力の例を示します． [img:3csr] {{small:図１ ニューラルネットワークを構成するユニットの入出力}} 　各ユニットで行う計算は単純ですが，それを組み合わせたネットワークは様々な機能を実現できます．その代表的な例として，図２に示すように入力データの内容を分類するクラス分類があります． [img:tdcr] {{small:図２ 手書き文字画像の認識}} {{small:入力は画像，出力は各クラス（０～９）についての確率}} 　ただし，所望の機能を高い信頼度で実現するネットワークを作るには，各ユニットでの計算に使うパラメータを適切に調整する必要があります．この工程は学習（或いは訓練）と呼ばれます． 　学習には，あらかじめ正解値（Ground Truth）が既知の学習データを使います．具体的には，現時点のパラメータを基に学習データから出力値を推定し，それが正解値に近づくようにパラメータを補正する，という処理を繰り返します． 　ニューラルネットワークについて詳しく学びたい場合，[1]の文献が参考になります． {{small:[1]斎藤康毅, "ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装", O'Reilly Japan, 2016}} {{small:[link:https://www.oreilly.co.jp/books/9784873117584/] }} *サンプルコード (C++) ライブラリ：[link:simplesp] サンプルコード：simplesp/sample/sp/train 画像を入力に，クラス分類を行うネットワークを構築します． プログラムを動かすには，次のいずれかのデータセットをダウンロードしておく必要があります． {{small:MNIST（手書き数字データ）: [link:http://yann.lecun.com/exdb/mnist/] }} {{small:CIFAR-10（カラーの一般物体）: [link:https://www.cs.toronto.edu/~kriz/cifar.html]}}