隠れ層（Hidden Layer）

隠れ層（Hidden Layer）とは、ニューラルネットワークにおける「入力層」と「出力層」の間に存在する中間層のことを指します。 外部からは直接観測できないため「隠れ」と表現されており、ネットワーク内で情報の変換や特徴抽出を担う、最も重要な構成要素の一つです。 隠れ層の主な役割は、入力されたデータの特徴を抽象化・圧縮し、最終的な出力に適した形へと変換することです。 これにより、線形では表現できないような複雑な関係性やパターンも学習可能になります。 隠れ層の特徴とポイント： • 各ノード（ニューロン）は、前層からの出力を受け取り、重み付き和＋バイアスを計算 • 活性化関数（ReLU、Sigmoid、tanhなど）を通じて非線形性を導入 • 複数の隠れ層を持つ構造は「ディープニューラルネットワーク（DNN）」と呼ばれる • 隠れ層の数やノード数はモデルの表現力や性能に大きく影響する たとえば、画像認識では1層目がエッジなどの単純な特徴を捉え、2層目以降でより抽象的なパターン（形状、構造など）を表現していくといった具合に、階層的な特徴表現を実現しています。 注意点として、隠れ層が多すぎると過学習（オーバーフィッティング）を招きやすくなり、逆に少なすぎるとモデルが十分な表現を学べなくなるリスクもあります。 そのため、タスクやデータの複雑さに応じて適切な隠れ層の設計が求められます。 隠れ層は、ディープラーニングを支える中核的な構造であり、モデルの性能を左右する鍵となる重要なコンポーネントです。