読み方: かっせいかかんすう
1行定義
ニューラルネットワークの各ノードで、入力の合計を出力に変換する関数
詳細解説
活性化関数（activation function）は、ニューラルネットワークの各ノード（人工ニューロン）で、前の層から受け取った入力の合計を、次の層へ渡す出力に変換する関数です。ノードがどの程度「反応する」かを決める役割があります。活性化関数が、線形でない（直線的でない）変換を含むことで、ネットワークは複雑なパターンを表現できるようになります。仮に変換がすべて直線的な計算だけだと、層を何段重ねても、全体としては単純な計算と変わらなくなってしまいます。代表的なものに、出力を0から1の間に収めるシグモイド関数や、入力が0以下なら0、正なら入力をそのまま返すReLUがあります。出力層では、分類問題の確率を表すために、別の関数を使う場合もあります。ニューラルネットワークの学習では、バックプロパゲーションで誤差を逆向きに伝える際にも、活性化関数の性質が影響します。シラバスでは「基礎理論」の「AIの技術」の用語例として、バックプロパゲーションや過学習などと並んで示されています。
ITパスポートでの出題ポイント
- 各ノードで入力の合計を出力に変換する関数だと説明できるようにする
- 非線形の変換を加えることで、複雑なパターンを表現できることを理解する
- シグモイド関数など、代表的な活性化関数の名前と役割を区別できるようにする
関連用語
- ディープラーニング AI・新技術
- 機械学習 AI・新技術
- バックプロパゲーション（誤差逆伝播法） AI・新技術
- AI（人工知能） AI・新技術
「活性化関数」の過去問を解いて理解を定着
合格ナビでは IPA 公式 600問 + 3段階の解説（初級・標準・上級） で「○○とは？」をその場で深掘りできます。
シラバス 6.5 準拠 / 最終更新: 2026-10-07