畳み込みニューラルネットワーク（CNN）とは？

詳細解説

畳み込みニューラルネットワーク（CNN：Convolutional Neural Network）は、ディープラーニングで使われるニューラルネットワークの一種で、画像認識で特に広く使われています。入力画像に小さなフィルタ（カーネル）を少しずつずらしながら当て、その位置での特徴を数値として取り出す畳み込み層と、特徴を縮約して位置のずれに強くするプーリング層を組み合わせて重ねるのが基本の構成です。最後に全結合層で分類などの結果を出します。画像の局所的なパターン（輪郭や模様）をとらえやすく、全画素を一度に結び付ける構造よりも学習すべきパラメータ数を抑えられます。時系列データのように前の情報を引き継ぎながら処理するリカレントニューラルネットワーク（RNN）とは、扱いが得意なデータの種類が異なります。シラバスでは、CNNとRNNなどが用語例として示されています。

FE試験での出題ポイント

• 1畳み込み層・プーリング層・全結合層のそれぞれの役割を説明できるようにする
• 2CNNが画像のような格子状のデータに向く理由を理解する
• 3CNNとリカレントニューラルネットワークの違いを区別できるようにする

関連用語