G検定 用語解説
カーネルとは
畳み込み層で入力データの局所領域に適用され、エッジなどの特徴を抽出するために使う小さな重みの行列。フィルタとも呼ぶ。
まず押さえる結論
カーネルは、G検定の「大項目5 ディープラーニングの要素技術」で確認しておきたい用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。 一次情報確認日: 2026-07-03。
試験概要（公式）試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
×CNN（画像・畳み込み/プーリング）とRNN（時系列・系列データ）の使い分け。
×LSTMとGRUのゲート数の混同（LSTM＝3ゲート＋記憶セル、GRU＝2ゲートに簡略化）。
×最適化手法の取り違え（モメンタム＝慣性、AdaGrad/RMSProp＝適応学習率、Adam＝両方）。GAN・VAE・拡散モデルの生成方式の違い。
関連する確認問題
大項目5 ディープラーニングの要素技術 / 畳み込みニューラルネットワーク
畳み込み演算において、フィルタを入力データ上でずらしながら適用する際の、1回あたりの移動幅を指す用語はどれか。
正解は「ストライド」である。ストライドは畳み込みでフィルタを入力データ上でずらす際の1回あたりの移動幅を指す語で、値を大きくすると出力サイズが小さくなる。フィルタ（カーネル）は特徴抽出に用いる重みのまとまりを指す語、プーリングは特徴マップを縮小する処理、パディングは入力の周囲に画素を補って出力サイズを調整する処理であり、いずれも移動幅そのものを表す語ではない。設問は「1回あたりの移動幅」という量を問うており、これに対応する語はストライドだけである。
大項目5 ディープラーニングの要素技術 / 畳み込みニューラルネットワーク
畳み込みニューラルネットワーク（CNN）の畳み込み層で、入力データ上を移動しながら局所的な特徴を抽出するために用いられるものはどれか。
正解は「フィルタ（カーネル）」である。畳み込み層では、フィルタ（カーネル）と呼ばれる小さな重みの窓を入力データ上で移動させながら適用し、エッジや模様などの局所的な特徴を抽出する。損失関数は誤差の指標、活性化関数は非線形変換、エポックは学習データを何回学習したかの単位であり、いずれも局所特徴を抽出する窓ではない。 CNNの各用語は働く場所と役割で区別する。学習目標を数値化する損失関数、非線形変換を行う活性化関数、データ全体を学習した回数を表すエポックではなく、入力上を走査してエッジや模様へ反応するフィルタを選ぶ。
大項目5 ディープラーニングの要素技術 / 畳み込みニューラルネットワーク
CNNで、入力画像の局所領域に同じ小さな重み行列を滑らせ、エッジなどの特徴を抽出する処理に関係するものはどれか。
正解は「フィルタ（カーネル）」である。フィルタ（カーネル）は、CNNで画像の局所領域に適用され、エッジなどの特徴を抽出する畳み込み処理に関係する。全結合層は特徴をまとめて出力へ接続する層、位置エンコーディングはTransformerで順序情報を与える仕組み、方策勾配法は強化学習の手法である。 ネットワーク部品が使われる位置を区別する。全結合層は抽出済み特徴を統合し、位置エンコーディングは系列順序を与え、方策勾配法は強化学習の更新手法である。画像上を走査して局所的な積和を計算するのはフィルタである。
同じ章で確認したい用語
到達チェック
- カーネルを一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、カーネルに関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
執筆: ミナト編集部（運営者情報を見る）