入力層 (G検定)

2026年8月12日2026年9月2日

G検定

1. 定義と概要

入力層とは、ニューラルネットワークの最初に位置し、画像のピクセル値やテーブルデータの各項目といった外部からの入力データをそのまま受け取り、後続の層へ伝達する層です。入力層のノードの数は、モデルに与える入力変数（特徴量、予測や分類に使うデータの各項目）の数と一致します。

たとえば8×8ピクセルの画像を扱う場合は64個のノードが、年齢・年収・勤続年数という3項目を扱う与信モデルなら3個のノードが、それぞれ入力層に配置されます。入力変数の数が変われば、入力層のノード数もそれに合わせて変わるという関係です。

ニューラルネットワークは、入力層・隠れ層（中間層、入力層と出力層の間で特徴を段階的に変換する層）・出力層という3種類の層で構成されています。入力層は外部データの受け口、隠れ層は特徴を段階的に組み合わせて変換する層、出力層は最終的な予測結果を出す層という役割分担になっています。

データは入力層から隠れ層、出力層へと一方向に伝わる順伝播（フォワードプロパゲーション、入力から出力へ計算を進める処理）という流れで処理されます。

2. 試験対策ポイント

G検定では、入力層・隠れ層・出力層という3層構造の中で入力層が果たす役割と、隠れ層・出力層との違いが重要な論点です。隠れ層と出力層は、前の層の出力に重み（入力の重要度を表す数値）を掛けて足し合わせる線形変換のあとに、活性化関数（入力の合計を次の層に渡す値に変換する数式）を適用します。一方、入力層はこの重み計算や活性化関数の適用を行わず、与えられた値をそのまま次の層に渡す点が違いです。

もう一つの論点は、入力層のノード数が入力変数の数と一致するという対応関係です。特徴量エンジニアリング（モデルに使う入力項目を選んだり加工したりする作業）で特徴量を追加・削減すると、入力層のノード数もそれに応じて変わります。

順伝播は、入力層から始まり隠れ層を経て出力層に至る一連の計算の流れを指す用語です。多層パーセプトロン（MLP）は、複数の層を重ねたニューラルネットワークの基本形で、順伝播と対になる用語です。

入力層に渡すデータは、正規化（データの値を0〜1などの範囲に揃える処理）や標準化（データの平均を0、分散を1に揃える処理）といった前処理を経てから入力されることが多く、前処理と入力層の関係も試験対策の一つです。前処理の段階で入力変数の内容が変われば、入力層のノード数もあわせて見直すことになります。

3. 関連概念との比較・相違点

隠れ層との最大の違いは、計算処理の有無にあります。入力層は重み計算や活性化関数の適用を行わずデータを受け渡すだけですが、隠れ層は前の層の出力に重み付き和と活性化関数を適用し、特徴を変換します。入力層が素通しの窓口であるのに対し、隠れ層はデータを加工する工程だという違いです。

出力層との違いは、ネットワークにおける位置づけと出力形式にあります。入力層はネットワークの入口で、ノード数が特徴量の数に一致します。一方、出力層はネットワークの出口で、ノード数は分類のクラス数や回帰の予測値の数といったタスクに応じて決まります。

分類のタスクでは、ソフトマックス関数（出力層で結果を確率のような形に変換する関数）のような、タスクに応じた活性化関数を適用して最終結果を出します。入力層は受け取る側、出力層は結果を出す側という対比が、両者の役割の違いです。

3種類の層の違いは、位置づけ・主な役割・計算処理という軸で並べると見分けやすくなります。

層	位置づけ	主な役割	計算処理
入力層	ネットワークの入口	外部データの受け口	重み計算も活性化関数の適用も行わない
隠れ層	入力層と出力層の間	特徴を段階的に組み合わせて変換する	重み付き和のあとに活性化関数を適用
出力層	ネットワークの出口	最終的な予測結果を出す	重み付き和のあとにタスクに応じた活性化関数を適用

この3行を見比べると、計算処理の欄で入力層だけが他の2層と異なっていることが分かります。入力層が素通しの窓口であるという性質は、この違いに表れています。

4. ビジネス・実務での活用シナリオ

与信スコアリングや需要予測のようなテーブルデータを扱う場面では、年収や勤続年数といった特徴量エンジニアリングで選んだ項目数が、そのまま入力層のノード数を決めます。特徴量を追加したり削減したりするたびに、モデルの入力層の設計を見直すことになります。

医療画像診断支援などの画像認識では、画像のピクセル値を入力層の各ノードにそのまま割り当てる前に、正規化を行い値を0〜1の範囲に揃えます。値のスケールを揃えることで、学習が安定します。

音声認識や自然言語処理（人間が使う言葉をコンピュータで処理する技術）の分野では、音声波形やテキストは生データのままでは入力層に渡せません。音声はスペクトログラム（音の周波数の変化を可視化したデータ）への変換を、テキストは埋め込みベクトル化（Embedding、単語などを数値の並びに変換する処理）を、それぞれ前処理として経てから入力層に渡されます。