バックプロパゲーションとは？ばっくぷろぱげーしょん
バックプロパゲーションとは、ニューラルネットワーク（入力から出力を計算する、層を重ねてつないだ仕組み）の学習手順のひとつ。出力と正解との誤差を出力層から入力層へ向かって逆向きに伝え、各結合の重み（層と層のつながりの強さ）をどれだけ変えれば誤差が減るかを層ごとに求めて更新する。この更新を大量のデータで繰り返し、入力と出力の対応を学習させる。
最終更新：2026-10-09
基本情報を最短で暗記・合格する →背景
層を重ねたネットワークでは、出力に誤差が出ても、どの層のどの結合が原因だったのかを直接には特定できない。中間層の重みを総当たりで試そうとすれば組合せが膨れ上がる。誤差を出力側から順に責任の分け前として配っていけば、すべての重みの直し方を一度の走査で求められる。この手順によって、中間層を持つネットワークが実用的に学習できるようになった。
具体例
画像認識でよく使われる畳み込みニューラルネットワーク（画像向けに工夫したニューラルネットワーク）でも、TensorFlowやPyTorchといった学習用のソフトウェア部品集が内部でこの計算を自動で行い、重みを更新している。学習には正解を付けたデータが大量に要り、計算量も大きい。
試験での引っ掛け
学習で変わるのは結合の重みであって、層の数やノードの数ではない。入力から順に値を流して答えを出す推論と、逆向きに誤差を流す学習は別の処理であり、運用中の推論のたびに重みが更新されるわけではない点も問われる。
関連用語
出典・参考
公式シラバスの1 基礎理論 ＞ 3. 情報に関する理論 ＞ (8) AI（Artificial Intelligence：人工知能）に関する技術に掲載されている用語です。
解説は資格暗記が独自に作成しています。過去問の出典は各問題に記載のとおりです。