隠れ層・入力層・出力層

入力層、隠れ層、出力層は、ニューラルネットワークを構成する基本的な階層構造です。入力層は外部からのデータを受け取り、隠れ層はそのデータから複雑な特徴を抽出し、出力層が最終的な予測結果を算出します。

隠れ層は入力層と出力層の間に配置され、1層だけでなく複数層重ねることが可能です。この隠れ層を深く重ねることで、従来の機械学習手法では捉えきれなかった複雑なデータ表現を学習できるようになります。

G検定では、ネットワークの基本的な構造として必ず問われます。活性化関数や重みパラメータがどの層でどのように作用しているかを理解しておくことが重要です。