1．基本を理解
読み方・用語解説- 読み方
- ニューラルネットワーク（NN）
- 英語名
- Neural Network
- 提唱者・年代
- 1943年にマッカーロック＆ピッツが人工ニューロンモデルを提案。1958年にローゼンブラットがパーセプトロンを提案
💡 豆知識——“神経（neuron）のような単位をネットワーク（ネットワーク＝網）でつなぐ”。生物の脳にヒントを得て設計。
【セットで覚えたい関連用語】
2．意味（定義）と例え話
人工ニューロンを層状に多数接続したモデル。重みを調整することで学習する。多層にすると非線形な特徴表現を学習できる。
生物のニューロンに着想し、1958年にパーセプトロンが登場。1969年にミンスキー＆パーパーがXOR問題を指摘して一時衰退したが、1980年代に多層ネットワークが復活し、ディープラーニングの基礎となった。
小さな計算機を“組み立てライン”のように何層も重ねたもの。各段（ニューロン）が小さな判断をして、段を重ねることで難しい特徴も表現できるようになるんだ。
ディープラーニングの基盤モデル。現代の画像・音声・生成AIはすべてこの構造の上に立っている。
「層構造・重みの調整・多層で非線形（XORを解ける）」が得点セット。
3．直前に理解（Q&A）
8問Q1. ニューラルネットワークとは？最頻出
人工ニューロンを層状に多数接続した計算モデル。重みを調整することで学習する。
Q2. 多層にする利点は？最頻出
非線形な特徴表現を学習できる。1層では解けないXORのような問題も、高次元への変換で解けるようになる。
Q3. XOR問題とは？頻出
1969年にミンスキー＆パーパーが、1層のパーセプトロンではXORを解けないと指摘した問題。後に多層ネットワークで解決。
Q4. 人工ニューロンは誰が提案？頻出
1943年にマッカーロックとピッツ。単一ニューロンの初期モデルであるパーセプトロンは1958年にローゼンブラットが提案。
Q5. 重みとは？頻出
ニューロン間の結合パラメータ。学習で更新され、入力の影響力を制御する（y=wx+bのw）。
Q6. 「ニューラルネットワークは線形問題のみ」は正しい？ひっかけ
誤り。1層の線形モデルは非線形問題（XOR）を解けないが、多層＋非線形活性化関数で非線形にも対応できる。
Q7. ニューラルネットワークとディープラーニングの違いは？混同注意
構造は同じ系統。「隠れ層を多く（深く）する」のがディープラーニングで、大量データで特徴を自動学習する側面が強調される。
Q8. 位置づけは？親と子
AI ⊃ 機械学習 ⊃ ニューラルネットワーク／ディープラーニング。DLは多層のNNを大量データで活かす技術。
4. まとめ
ニューラルネットワークは、人工ニューロンを層構造で結合し、重みを調整して学習する計算モデル。