ニューラルネットワークは、教師信号(正解)の入力によって問題に最適化されていく
教師あり学習と、教師信号を必要としない
教師なし学習に分けられる。明確な解答が用意される場合には教師あり学習が、
データ・クラスタリングには教師なし学習が用いられる。結果としていずれも次元削減されるため、画像や統計など多次元量のデータでかつ線形分離不可能な問題に対して、比較的小さい
計算量で良好な解を得られることが多い。このことから、
パターン認識や
データマイニングをはじめ、さまざまな分野において応用されている。
最初に考案された、単純な構造の人工ニューラルネットワークモデル。ネットワークにループする結合を持たず、入力ノード→中間ノード→出力ノードというように単一方向へのみ信号が伝播するものを指す。英語名称は、FFNN、。
フィードフォワードニューラルネットと違い、双方向に信号が伝播するモデル。すべてのノードが他の全てのノードと結合を持っている場合、全結合リカレントニューラルネットと呼ぶ。