※本情報は解説作成時点のもので、閲覧時点では法改正等により情報が変更になっている場合がございます。あらかじめご理解いただければ幸いです。
正解は「D: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。」です。
活性化関数は、各ニューロンで入力値を変換し、出力値を決定する役割を持ちます。
この記事では、ITパスポート試験（令和5年度）テクノロジ系の第36問「ニューラルネットワークの活性化関数」について、試験対策の観点からわかりやすく解説します。
活性化関数とは
入力値 → 重み付き和 → 活性化関数 → 出力値
活性化関数は、ニューロンに入力された値（重み付き和）を基に計算を行い、その結果を次の層へ渡す値として出力します。
これにより、ニューラルネットワークに非線形性を持たせることができます。
他の選択肢との違い
- 結果の信頼度を出力する：評価や確率計算の説明
- 中間層に必要なニューロン数を出力する：設計に関する説明
- 最適なニューロン数を出力する：構成最適化の説明
活性化関数は「各ニューロン内部で値を変換する関数」です。
問われているポイント
この問題では、ニューラルネットワークの基本構造と各要素の役割が理解できているかが問われています。
入力・重み・活性化関数・出力の流れを整理しておきましょう。
気を付けてほしい点（勘違いしやすいポイント）
- 活性化関数はネットワーク全体ではなく「各ニューロン」に適用される
- ニューロン数を決めるものではない
- 代表例にシグモイド関数やReLU関数がある
補足
活性化関数があることで、単純な線形計算以上の複雑な表現が可能になります。
ITパスポート試験での出題パターン
AIや機械学習分野では、ニューラルネットワークの基本用語が問われます。
各要素の役割を簡潔に説明できるようにしておきましょう。
この知識が使われている問題
まとめ
- 活性化関数は各ニューロンで値を変換する関数
- 入力値を基に計算し、次の層へ出力する
- ニューラルネットワークに非線形性を与える役割を持つ