活性化関数とは？かっせいかかんすう
活性化関数とは、ニューラルネットワークで、ノードが受け取った入力の重み付き合計を、次の層へ渡す値へ変換する関数。まっすぐな計算だけでは表せない曲がった関係を扱えるようにする役目を持ち、シグモイド関数やReLU（レル）といった種類が、層の位置や目的に応じて使い分けられる。
最終更新：2026-10-09
基本情報を最短で暗記・合格する →背景
重みを掛けて足すという計算は直線を引く操作にあたり、これを何層重ねても結局は一本の直線と同じ働きにしかならない。層を深くしても表現できることが増えないのでは意味がない。各層の出口でまっすぐではない変換を挟むことで、層を重ねるほど複雑な境目を描けるようになる。深層学習が成り立つ前提を作っている部品である。
具体例
ReLUは入力が負なら0、正ならその値をそのまま返す単純な関数で、いまの画像認識では標準的に使われる。出力層では、二者択一の判定にシグモイド関数を、複数の分類へ確率の形で答えるときはソフトマックス関数を置く。
試験での引っ掛け
重みを更新するのは学習の手続で、活性化関数はその手前で値を変換する部品であり、役割が違う。またシグモイド関数は層を深くすると誤差が前の層へ伝わりにくくなる勾配消失を起こしやすく、ReLUが好まれるのはこの問題を避けられるためである。
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。