解説

活性化関数は、ニューラルネットワークの各ニューロンで重要な役割を果たす数学的な関数です。ニューロンに入力された値に対して非線形変換を行い、その結果を次のニューロンに伝達します。代表的な活性化関数にはReLU関数やシグモイド関数などがあり、これらの関数によってニューラルネットワークは複雑な非線形パターンを学習することができます。活性化関数がないと、ニューラルネットワークは単なる線形変換の組み合わせとなってしまい、複雑な問題を解決できなくなります。

なぜ他の選択肢は違うのか

選択肢 ア

これは活性化関数の役割ではなく、最終的な出力層で使用される確率計算（ソフトマックス関数など）の説明に近いものです。活性化関数は各ニューロンでの変換を担当します。

選択肢 イ

これはネットワーク構造の設計に関する説明であり、活性化関数の役割とは異なります。中間層のニューロン数は、モデル設計時に人為的に決定されます。

選択肢 ウ

これもネットワーク構造の最適化に関する説明であり、活性化関数の役割ではありません。ニューロンの数は学習プロセスで自動的に最適化されるものではありません。

解くときのポイント

活性化関数を理解するときは、「各ニューロンでの信号変換器」というイメージを持つと分かりやすいでしょう。入力信号を受け取り、それを非線形に変換して次に渡す、という単純な役割に注目してください。