問82
ITパスポート過去問 令和8年度（2026年）問82
ニューラルネットワークの学習に用いられるバックプロパゲーションで行われていることはどれか。
選択肢
- ア：各ノードの重みを調整して，誤差を小さくする。
- イ：各ノードの重みを調整して，最適な活性化関数を選択する。
- ウ：ノードの数を変更して，誤差を小さくする。
- エ：ノードの数を変更して，処理速度を高める。
- ア
- イ
- ウ
- エ
正解と解き方・学習ポイント（AI解説）
正解：ア
あなたの回答：未回答
バックプロパゲーション（誤差逆伝播法）は、ニューラルネットワークの出力と正解の差（誤差）を求め、その誤差が小さくなるように出力側から入力側へ誤差の情報を伝えながら、ノード間の重みを更新する学習手法です。
Point
バックプロパゲーションで実際に行う処理が、ネットワーク構造の変更ではなく、誤差を小さくするための重み更新であることを理解することがねらいです。
解くために必要な知識
この問題を解くには、ニューラルネットワークの基本構造とバックプロパゲーション（誤差逆伝播法）が更新する対象の理解が必要です。
用語の整理
主要用語
| 用語 | 意味 |
|---|---|
| ニューラルネットワーク | 入力層・中間層（隠れ層）・出力層などの層で構成され、ノード間の重みを調整することで入力と出力の関係を学習するモデルです。 |
| バックプロパゲーション（誤差逆伝播法） | 出力と正解の誤差を計算し、その誤差が小さくなる方向に重みを更新するために、誤差の影響を出力層側から入力層側へ逆向きに計算していく学習方法です。 |
| 重み | ノード間の接続に設定される数値で、入力が出力に与える影響の大きさを表します。学習によって更新されます。 |
| 誤差 | ネットワークの出力値と正解値の差です。学習は誤差が小さくなるように進みます。 |
| ノード | 入力を受け取り、重み付き和と活性化関数によって出力を計算する処理単位です。 |
他の選択肢に出てくる用語
活性化関数
| 用語 | 意味 |
|---|---|
| 活性化関数 | ノードへの入力の合計値を変換して出力を決める関数です。代表例としてシグモイド関数、ReLUなどがあります。通常はネットワーク設計時に選択し、バックプロパゲーションで自動的に選択するものではありません。 |
問題の解法手順
各選択肢の整理
| 選択肢 | 内容 | 正誤 | 理由 |
|---|---|---|---|
| ア | 各ノードの重みを調整して，誤差を小さくする | ○ | バックプロパゲーションは誤差が小さくなるように重みを更新する手法です。 |
| イ | 各ノードの重みを調整して，最適な活性化関数を選択する | × | バックプロパゲーションが更新する対象は主に重みであり、活性化関数を自動選択する手法ではありません。 |
| ウ | ノードを変更して，誤差を小さくする | × | 学習で重みは更新しますが、通常はノード自体の入れ替えや変更は行いません。 |
| エ | ノードの数を変更して，処理速度を高める | × | ノード数の変更はネットワーク設計の範囲であり、バックプロパゲーションの処理ではありません。 |
選択肢ごとの解説
- ア：正解
バックプロパゲーションは、出力で生じた誤差を逆方向へ伝え、各重みの勾配を計算して重みを更新します。結果として誤差（損失）を小さくする方向に学習が進むため、正しいです。
- イ：不正解
バックプロパゲーションは重みを更新する学習手法であり、活性化関数の種類を自動的に選択する手法ではありません。
- ウ：不正解
バックプロパゲーションはノード間の重みを更新しますが、ノードそのものを変更する手法ではありません。
- エ：不正解
バックプロパゲーションはノード数を増減して処理速度を高める手法ではなく、重みを更新して誤差を小さくすることが目的です。
まとめ
バックプロパゲーション（誤差逆伝播法）は、ニューラルネットワークの出力と正解の差（誤差）を求め、その誤差が小さくなるように出力側から入力側へ誤差の情報を伝えながら、ノード間の重みを更新する学習手法です。
※本解説は生成AIによる学習支援用の参考情報です。内容の正確性や最新性は保証されません。最終的な判断は、試験実施団体の公式資料をご確認ください。
テクノロジ系 > 基礎理論 > 基礎理論
順次、単語を追加予定です。もうしばらくお待ちください。
バックプロパゲーションは、出力で生じた誤差を逆方向へ伝え、各重みの勾配を計算して重みを更新します。結果として誤差（損失）を小さくする方向に学習が進むため、正しいです。
バックプロパゲーションは重みを更新する学習手法であり、活性化関数の種類を自動的に選択する手法ではありません。
バックプロパゲーションはノード間の重みを更新しますが、ノードそのものを変更する手法ではありません。
バックプロパゲーションはノード数を増減して処理速度を高める手法ではなく、重みを更新して誤差を小さくすることが目的です。