ニューラルネットワークとは【図解でわかりやすく】

最終更新日：2026年7月14日

30秒でわかる結論

ニューラルネットワークは脳のニューロン（神経細胞）の接続をモデル化したALの基本構造。「入力層→中間層（隠れ層）→出力層」の3種類の層で構成され、情報は一方向に流れます。中間層が複数重なって「深く」なったものがディープラーニング。各接続には「重み」があり、学習によって自動的に最適化されます。

ニューラルネットワークは「入力層→中間層（隠れ層）→出力層」の3種類の層で構成される。

ディープラーニングを理解する上での土台となる基本構造です。

図解

解説

情報は入力層→中間層→出力層へと一方向に流れます。工場のベルトコンベアのように、途中の中間層で情報がどんどん加工され、最後に答えとして出てくるイメージです。この中間層が何層も重なって「深く」なったものがディープラーニングです。なお「記憶」に関係する仕組み自体はあり（RNNやLSTM）、それらは過去の情報を覚えておく工夫を持ちますが、「記憶層」という名前の層ではありません。

具体例

手書き数字認識（0〜9）での例：入力層＝各ピクセルの明るさ（28×28＝784個のノード）、中間層＝「縦線」「丸み」「角」などの特徴を検出、出力層＝0〜9の10クラスのどれかを出力。人間が「縦線があれば1かも」と特徴を教えなくても、大量のデータから自動的に特徴を学習します（特徴表現学習）。

間違えやすい類似用語

ディープラーニング（深層学習）：ディープラーニングはニューラルネットワークの「中間層を多く重ねた」版。ニューラルネットワーク全般が広い概念で、ディープラーニングはその中の特に深い構造を指します。
脳のニューロン（神経細胞）：生物の脳では電気信号が神経細胞間を伝わります。ニューラルネットワークはこれを数学的にモデル化したもの。脳そのものではなく、仕組みを「参考にした」数式モデルです。

覚え方

入口（入力層）→加工（中間層＝深さの正体）→出口（出力層）

試験での問われ方

G検定では「入力層・中間層・出力層の役割」「情報の流れる方向（入力→出力へ一方向）」「中間層を深くしたものがディープラーニング」の3点が頻出。誤りの選択肢として「記憶層」「出力から入力への双方向」などが出ることがあります。また「ノードとエッジ（重み）」の関係も押さえましょう。

確認問題

ニューラルネットワークを構成する3種類の層を、情報が流れる方向に正しく並べたものはどれですか？

A. 入力層→出力層→中間層
B. 入力層→中間層→出力層
C. 中間層→入力層→出力層
D. 出力層→中間層→入力層

正解：B. 入力層→中間層→出力層

ニューラルネットワークでは情報は「入力層→中間層（隠れ層）→出力層」の順に一方向へ流れます。この流れを「順伝播（フォワードプロパゲーション）」と呼びます。この中間層が複数重なって深くなったものがディープラーニング（深層学習）です。逆方向（出力→入力）に誤差を伝えるのは「誤差逆伝播法」で、これは学習時のみ行われます。

ニューラルネットワークの問題を解いてみる →