ニューラルネットワークの構築には、3つの条件を満たす必要があります。

• 入力と出力

• 重み（w）と閾値（b）

• 多層パーセプトロンの構造

つまり、上に出てきたその図を事前に描く必要があります。

このうち、最も難しい部分は重み（w）と閾値（b）を決定することです。これまでは、この2つの値は主観的に与えられてきましたが、現実にはそれらの値を見積もるのは難しく、答えを見つける方法が必要です。

その方法が試行錯誤法です。他のパラメータはすべて変更せずに、w（またはb）の微小な変動をΔw（またはΔb）として記録し、その後出力にどのような変化があるかを観察します。このプロセスを繰り返し、最も正確な出力に対応するwとbの組を見つけるまで続けます。この値が私たちが求める値です。このプロセスはモデルの訓練と呼ばれます。

したがって、ニューラルネットワークの動作プロセスは次のとおりです。

1. 入力と出力を決定する

2. 入力から出力を得ることができる1つまたは複数のアルゴリズムを見つける

3. 既知の答えがあるデータセットを見つけて、モデルを訓練し、wとbを見積もる

4. 新しいデータが生成されたら、それをモデルに入力して結果を得ると同時に、wとbを校正する

わかるように、この一連のプロセスには大量の計算が必要です。そのため、ニューラルネットワークはここ数年で初めて実用的な価値があるようになり、一般的なCPUでは不十分で、機械学習用に特別に設計されたGPUを使って計算する必要があります。