ニューラルネットワーク（Neural Network）とは、人間の脳の神経回路網を模したモデルで、多数のニューロン（ノード）が層状に接続された構造を持つ機械学習アルゴリズムです。深層学習（ディープラーニング）の基礎となる技術です。
基本構造
ニューラルネットワークは入力層、隠れ層（中間層）、出力層の3種類の層で構成されます。各ニューロンは前の層のすべての出力を重み付きで受け取り、活性化関数を適用して次の層に出力します。隠れ層が2層以上のものを深層ニューラルネットワーク（ディープラーニング）と呼びます。
| ひとことで言うと | 脳の神経回路をまねた、層を重ねて複雑な関係を学ぶモデル。 |
|---|---|
| どこで使う | 画像認識、音声認識、自然言語処理。ディープラーニングの土台。 |
| 注意点 | 大量のデータと計算資源が必要で、判断の理由が分かりにくい。 |
学習の仕組み
順伝播（Forward Propagation）で入力から出力を計算し、損失関数で誤差を求め、逆伝播（Backpropagation）で各重みの勾配を計算し、勾配降下法でパラメータを更新します。
1入力層データを受け取る
▶
2重み付きで伝達つながりの強さを掛ける
▶
3活性化関数非線形に変換
▶
4中間層で繰り返す何層も重ねる
▶
5出力層予測結果を出す
ニューラルネットワークの種類
全結合型（MLP）、畳み込みニューラルネットワーク（CNN）、再帰型ニューラルネットワーク（RNN）、Transformerなど、タスクに応じた多様なアーキテクチャがあります。