スキップ接続
スキップ接続とは、ニューラルネットワークにおいて途中の層を飛び越えてデータを次の層へ直接伝える手法です。ディープラーニングの多層化に伴う勾配消失問題を軽減し、効率的な学習と高精度なモデル構築を可能にするため、現代の深層学習アーキテクチャに欠かせない技術となっています。
ニューラルネットワークのAI用語一覧（3ページ目）
55件ニューラルネットワークに関するAI用語を55件掲載しています。意味や使い方、関連用語を一覧から確認できます。 現在は3ページ目です。
結合重み
結合重みとは、人工ニューラルネットワークにおいてノード（人工神経細胞）同士の結びつきの強さを表す数値パラメータです。入力データに結合重みを掛け合わせることで情報の重要度を調整し、モデルの予測精度を高めます。学習の過程で勾配降下法などを用いて最適な値へ更新される、ディープラーニングの基礎となる重要要素です。
残差ネットワーク
ResNet（残差ネットワーク）は、スキップコネクションという構造を用いて勾配消失問題を軽減し、ディープラーニングの層を劇的に深くすることを可能にした画期的なニューラルネットワークアーキテクチャです。
ウェイト
ウェイト（重み）とは、ニューラルネットワークにおいて入力データの重要度を調整するために、各ノード間の接続に割り当てられるパラメータです。AIモデルの学習過程でこれらの値が最適化されることで、モデルは正確な予測や分類を行えるようになります。モデルの記憶や知識そのものと言える重要な要素です。
フィードフォワード型ニューラルネットワーク
フィードフォワード型ニューラルネットワークは、情報が一方向にのみ流れる基本的な人工ニューラルネットワークです。入力から出力へ向かって処理が進み、ループ構造を持たないため、画像認識や分類タスクなど幅広いAI技術の基礎として活用されています。
ミクスチャー・オブ・エキスパート
ニューラルネットワークの規模を効率的に拡大するためのアーキテクチャ設計手法。入力に応じて処理を担当する専門家ネットワーク（エキスパート）を動的に切り替える。全体の一部のみを活性化させることで、計算コストを抑えながらパラメータ数を増大させ、高度な表現力と高速な推論処理を両立できる画期的な技術である。
スパース活性化
スパース活性化とは、AIモデルが処理を行う際、全てのニューロンを動かすのではなく、入力に応じて特定のニューロンのみを「活性化」させて計算を行う技術です。これにより、モデル全体の表現力を高く保ったまま、処理に必要な計算コストを大幅に削減し、推論処理を高速化することができます。