多層パーセプトロンとは
多層パーセプトロンとは、隠れ層を1層以上持つ全結合型のニューラルネットワークです。非線形の活性化関数を導入することで非線形問題を扱える点が重要なポイントになります。
この用語はG検定シラバスの「11. ニューラルネットワークとディープラーニング」に含まれます。 章全体の用語は用語解説③（全52語）にまとまっています。
一言でいうと
隠れ層を持つニューラルネットワーク。非線形な問題も扱えます。
全結合型とは
ある層のすべてのニューロンが、次の層のすべてのニューロンとつながっている構造を全結合（全結合層）といいます。入力層・隠れ層・出力層をこの形でつないだものが多層パーセプトロンです。
活性化関数がないと意味がない
ここが最も重要なポイントです。層をいくら重ねても、活性化関数が線形なら全体は1つの線形変換に等しくなります。つまり深くした意味がなくなります。
そのためReLUのような非線形の活性化関数が不可欠です。これによって初めて複雑な境界を表現できます。
学習のしかた
層が増えると「どの重みがどれだけ誤差に寄与したか」が分からなくなります（信用割当問題）。これを連鎖律で解決したのが誤差逆伝播法です。
万能近似定理
隠れ層を1層持つニューラルネットワークは、ニューロンの数を十分に増やせばどんな連続関数でも任意の精度で近似できることが知られています。これを万能近似定理といいます。
ただしこれは「表現できる」という理論上の話で、学習して実際に見つけられるかは別問題です。実務で層を深くするのは、そのほうが少ないニューロン数で効率よく学習できるためです。
🎯 G検定での押さえどころ
- 隠れ層を1層以上持つ全結合型ネットワーク
- 非線形の活性化関数がないと多層にする意味がない
- 学習には誤差逆伝播法を用いる
⚠️ よくある誤りの選択肢
- 「活性化関数が線形でも層を重ねれば非線形問題を扱える」→ 誤り。全体が線形変換に等しくなります
- 「多層パーセプトロンは隠れ層を持たない」→ 誤り。隠れ層を持つ点が定義です
📘 もっと深く学ぶ
- 数式レベルまで踏み込んだ解説 → 医療AIナビ「多層パーセプトロン」（E資格向け）
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。