【にゅーらるねっとわーく】

ニューラルネットワークとは？

最終更新: 2026年10月8日

💡 数値を計算するユニットをつなぎ、重みを学ぶモデル

数値を受け取って計算するユニットをつなぎ、重みなどのパラメーターを学習するモデル。機械学習で使う手法の一つ。神経細胞に着想を得たが、人間の脳をそのまま再現するものではない。

📌 このページのポイント

全結合の多層フィードフォワードモデルの模式例。円は数値計算のユニット、線は重み付き接続、上の矢印は順伝播の向き。層の数やユニット数は例示で、誤差逆伝播の図や脳の再現図ではない。

ひよこ

ニューラルネットワークって、本当に脳と同じなの？

ペンギン先生

神経細胞のつながりに着想を得た計算モデルだよ。今のモデルは、数値に重みを掛けて足し、バイアスや活性化関数で計算するユニットなどを使う。脳の働きをそのまま再現したものとは考えないんだ。

ひよこ

入力層・隠れ層・出力層は何をするの？

ペンギン先生

図のような多層のモデルでは、入力層がデータを受け、隠れ層が途中の計算を行い、出力層が結果を出すよ。層やユニットの数、つながり方はモデルによる。すべてのネットワークが図と同じ構成ではないんだ。

ひよこ

重みはどうやって調整するの？

ペンギン先生

予測と正解の違いなどを損失で表し、誤差逆伝播で各パラメーターに対する勾配を計算するよ。その勾配を使って、勾配降下法などの最適化手法で重みやバイアスを更新する。勾配を求める計算と、更新の手順を分けると分かりやすいね。

ひよこ

同じデータでも、学習結果が変わる？

ペンギン先生

初期値やデータの順序、計算の非決定性などによって変わることがあるよ。乱数シードを固定しても、環境や使用する演算まで違えば同じ結果は保証されない。再現したい範囲に合わせて、設定と実行環境を確認するんだ。

ひよこ

隠れ層を増やせば、必ずよくなる？

ペンギン先生

深いモデルは複雑な表現を学べるけれど、層の数だけで品質は決まらないよ。モデルや学習の設定に加え、目的に合うデータで結果を評価する。ディープラーニングという名前だけで、正しい答えが保証されるわけではないんだ。

まとめ：ざっくりこれだけ覚えればOK！

「ニューラルネットワーク」って出てきたら「計算するユニットをつなぎ、重みなどを学ぶモデル」と思えばだいたいOK！

📖 おまけ：英語の意味

「Neural Network」＝神経（ニューロン）のネットワーク

💬 Neuralは「神経の」という意味。脳内の神経細胞どうしのつながりをコンピューター上で再現しようとしたことが名前の由来だよ

参考資料