活性化関数
意味・解説
ニューラルネットワークで、入力の重み付け和に非線形変換を加える関数。
活性化関数（サブルーチン）がないと、多層のネットワークも単純な線形変換になってしまう。ReLU、シグモイド、tanh、softmaxなどが代表的。非線形性を導入することで複雑なパターンを学習できる。
くわしく
ニューロンが発火するかどうかを決める関数（サブルーチン）です。
【代表的な活性化関数】
・ReLU: max(0, x) - 現在最も一般的
・シグモイド: 0〜1に変換
・tanh: -1〜1に変換
・softmax: 確率分布に変換
【役割】
非線形性を加えることで、複雑な関係を学習可能にする
例文
隠れ層の活性化関数をシグモイドからReLUに変更したら、学習速度が向上した。
過去問での出題状況
直近29回分の過去問（全2,900問）を解析した結果、2回登場しています（出題された年度: 2年度）。
出典: 本サイト独自集計（問題文および全選択肢テキストからの用語出現頻度・2026年6月時点）
分類: ニューラルネットワーク