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（人の脳の神経のつながりをまねて、計算する点（ノード）を層状につないだ仕組み）で、1つのノードが受け取った入力の合計を、次のノードへ渡す値に変換する関数。しきい値を境に出力を切り替えたり、負の値を0に置き換えたりして、入力と出力の関係を単純な比例（グラフにすると直線になる関係）ではなくす役目を持つ。この変換があることで、単純な足し合わせでは表せない複雑な判別ができるようになる。
最終更新：2026-10-10
この語が出る過去問を解く →背景
ノードが受け取った値をそのまま足して次へ渡すだけなら、何層積み重ねても全体は1回の足し算と同じ計算にしかならず、層を深くする意味がなくなる。各ノードに境目を作る変換を挟むことで、はじめて層の数だけ表せる形が増える。ディープラーニングが層を深くして精度を上げられるのはこの変換が入っているからで、どの関数を選ぶかが学習の進みやすさを左右する。
具体例
手書きの数字を読み取るニューラルネットワークでは、受け取った値がマイナスなら0を、プラスならその値をそのまま出す「ReLU」という関数が広く使われる。Googleが公開しているTensorFlowという、機械学習のプログラムを作るための道具には、こうした関数があらかじめ部品として用意されている。
試験での引っ掛け
活性化関数はノードの出力を変換する部品であり、正解との誤差をもとに各入力の効き具合（重み）を調整して学習を進める仕組み（バックプロパゲーション）とは別のものである。また、この変換を入れずに層だけ重ねても表現力は上がらない点が要点で、「層を深くすれば精度が上がる」という理解だけでは説明にならない。
関連用語
出た過去問
出典：令和5年度 秋期 ITパスポート試験 問91（IPA）
AIに利用されるニューラルネットワークにおける活性化関数に関する記述として、適切なものはどれか。
正解：一つのニューロンにおいて、入力された値を基に計算し、次のニューロンに渡す値を出力する。
要点：活性化関数はニューロンが次へ渡す値を決める変換
活性化関数は、1つのニューロンの中で入力の重み付き合計（入力ごとに重要度を掛けて足した値）を受け取り、それを変換して次のニューロンへ渡す値を決める関数です。非線形（グラフが直線にならない関係）な変換を挟むことで、単純な直線では表せない複雑な関係も学習できるようになります。
出典・参考
公式シラバスの7 基礎理論 ＞ 35. 情報に関する理論 ＞ (5) AI（Artificial Intelligence：人工知能）の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。