問題 No.1731
ディープラーニングの基礎となるディープニューラルネットワーク（DNN）に関する記述として、最も適切なものを1つ選べ。
【正解の解説】
入力層と出力層の間に多数の中間層（隠れ層）を持ち、階層的な特徴量抽出を自動で行うことができる。
一言で言うと「人間の介入なしに、データから自動で複雑な特徴を見つけ出す多層のニューラルネットワーク」です。ディープラーニング（深層学習）の土台であり、画像のエッジのような単純な特徴から、顔や物体のパーツといった高度な特徴までを自動で階層的に学習できるため、現代のAI技術において極めて重要な役割を果たしています。
スポンサーリンク
【その他の選択肢の解説】
すべての層が完全に結合した構造のみを指し、画像認識で主流となる畳み込み層を含む構造は含まれない。
これは「全結合層（Fully Connected Layer）」の説明と混同しています。ディープニューラルネットワーク（DNN）は、全結合層だけでなく、画像認識で主流となる畳み込み層（CNN）や、時系列データ処理に使われる再帰型層（RNN）など、様々な層の組み合わせを包括する上位概念の総称です。
ニューロン間の結合荷重を人間が事前に手動で設定することで、複雑な非線形問題を高精度に解決する。
これは機械学習が登場する以前の古典的なアプローチや、ルールベースのシステムに近い説明です。ディープラーニングの最大の特徴は、膨大なデータと誤差逆伝播法を用いて、ネットワーク内部の結合荷重をコンピュータが自律的に最適化する点にあります。人間が手動で設定するわけではありません。
層を深くするほど過学習のリスクが自然に消滅するため、正則化手法やドロップアウトは一切不要である。
逆に、層を深くするほどモデルの表現力が高まりすぎるため、訓練データに対して過剰に適応してしまう「過学習（オーバーフィッティング）」のリスクは高まります。そのため、ドロップアウトやL1/L2正則化といった技術を用いて汎用性を維持するアプローチが実務・試験ともに必須となります。