フォワードプロパゲーション（Forward Propagation）

フォワードプロパゲーション（Forward Propagation）とは、ニューラルネットワークにおける計算過程の一つで、入力データがネットワークの層を順に通過し、最終的な出力を得る処理 を指します。 「順伝播」とも呼ばれ、学習プロセスの中で最初に行われる重要なステップです。 この処理では、各層のノードが前の層の出力に重みをかけ、活性化関数を通じて次の層へと伝播していきます。 入力層 → 隠れ層 → 出力層という流れで、ネットワーク全体を通して予測や分類などの目的に応じた出力が得られます。 フォワードプロパゲーションの主なステップ： • 入力データと重みの線形結合を計算（例：z = w₁x₁ + w₂x₂ + ... + b） • 活性化関数（ReLU、Sigmoid、tanh など）を適用して非線形変換 • これを全層に繰り返して最終出力を生成 この出力と正解データとの誤差（損失関数の値）をもとに、次のステップであるバックプロパゲーション（誤差逆伝播） によって、重みの更新が行われます。 フォワードプロパゲーションは以下のような場面で使われます： • モデルの学習時における出力の計算 • 推論・予測時の処理（重みは固定される） • ニューラルネットワークのアーキテクチャ設計の評価 簡単に言えば、フォワードプロパゲーションは「入力から出力を作る処理」、バックプロパゲーションは「出力の誤差を使って重みを修正する処理」です。 この2つを繰り返すことで、AIモデルはデータに適応し、精度の高い予測を行えるようになります。