G検定 用語解説
モーメンタムとは
勾配降下法において、直前までの更新方向（慣性）を加味してパラメータを更新する手法。振動を抑えて局所的な凹凸に影響されにくくし、収束を速める効果がある。
まず押さえる結論
モーメンタムは、G検定の「大項目4 ディープラーニングの概要」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
×勾配消失問題と勾配爆発の混同、およびReLUなど活性化関数による緩和の役割。
×局所最適解・大域最適解・鞍点の区別（鞍点はある方向に極小・別方向に極大）。
×誤差逆伝播法（バックプロパゲーション）と勾配降下法の役割の取り違え。
関連する確認問題
大項目4 ディープラーニングの概要 / ニューラルネットワークの基礎
単純パーセプトロンでは解けなかったXOR問題を扱えるようにするために導入された、入力層と出力層の間に中間の層（隠れ層）を持つ構造はどれか。
正解は「多層パーセプトロン」である。入力層と出力層の間に中間の層（隠れ層）を追加した多層パーセプトロンは、単純パーセプトロンでは解けなかったXORのような線形分離できない問題も表現できる。決定木・サポートベクターマシン・k近傍法はいずれも別の機械学習手法であり、パーセプトロンに隠れ層を加えた構造ではない。 選択肢ごとの差は次のように整理できる。「決定木」は誤答側で、誤答。「決定木」は多層パーセプトロンとは別の機械学習手法であり、単純パーセプトロンでは解けなかったXOR問題を扱うために入力層と出力層の間に隠れ層を加えた構造ではない。「サポートベクターマシン」は誤答側で、誤答。「サポートベクターマシン」は多層パーセプトロンとは別の機械学習手法であり、入力層と出力層の間に隠れ層を持つ構造ではない。「多層パーセプトロン」は正解側で、正解。「多層パーセプトロン」は入力層と出力層の間に隠れ層を追加した構造であり、単純パーセプトロンでは解けなかったXORのような線形分離できない問題も表現できる。「k近傍法」は誤答側で、誤答。「k近傍法」は多層パーセプトロンとは別の機械学習手法であり、単純パーセプトロンでは解けなかったXOR問題を扱うために入力層と出力層の間に隠れ層を加えた構造ではない。
大項目4 ディープラーニングの概要 / ニューラルネットワークの基礎
「隠れ層を持つニューラルネットワークは、十分な数のニューロンがあれば任意の連続関数を任意の精度で近似できる」という主旨の定理はどれか。
正解は「万能近似定理」である。万能近似定理は、隠れ層を持つニューラルネットワークが十分な数のニューロンを備えれば任意の連続関数を任意の精度で近似できることを示す定理である。ノーフリーランチ定理はあらゆる問題に万能なアルゴリズムは存在しないという主張、ベイズの定理は確率の更新、中心極限定理は標本平均の分布に関する定理であり、いずれも近似能力に関する本定理とは異なる。 選択肢ごとの差は次のように整理できる。「ノーフリーランチ定理」は誤答側で、誤答。「ノーフリーランチ定理」はあらゆる問題に万能なアルゴリズムは存在しないという主張であり、関数を近似できる能力について述べた定理ではない。「ベイズの定理」は誤答側で、誤答。「ベイズの定理」は確率を新たな情報で更新するための定理であり、ニューラルネットワークの近似能力について述べた定理ではない。「万能近似定理」は正解側で、正解。「万能近似定理」は隠れ層を持つニューラルネットワークが十分な数のニューロンを備えれば任意の連続関数を任意の精度で近似できることを示す定理である。「中心極限定理」は誤答側で、誤答。「中心極限定理」は標本平均の分布に関する定理であり、ニューラルネットワークの近似能力について述べた定理ではない。
大項目4 ディープラーニングの概要 / 計算資源
Googleが機械学習の計算に特化して開発した、テンソル演算を高速に処理するためのプロセッサはどれか。
正解は「TPU」である。TPU（Tensor Processing Unit）はGoogleが機械学習の計算に特化して開発したプロセッサで、ニューラルネットワークで多用されるテンソル（行列）演算を高速に処理する。CPUは汎用の演算装置、HDDは記憶装置、RAMは主記憶であり、機械学習専用に設計された演算プロセッサではない。 選択肢ごとの差は次のように整理できる。「CPU」は誤答側で、誤答。「CPU」はさまざまな処理に対応できる汎用の演算装置であり、Googleが機械学習向けに開発しテンソル（行列）演算を高速に処理するTPUのような専用プロセッサではない。「HDD」は誤答側で、誤答。「HDD」はデータを長期的に保存しておくための記憶装置であり、ニューラルネットワークのテンソル（行列）演算を高速に処理する演算プロセッサではない。「TPU」は正解側で、正解。「TPU」はGoogleが機械学習の計算に特化して開発したプロセッサであり、ニューラルネットワークで多用されるテンソル（行列）演算を高速に処理する。「RAM」は誤答側で、誤答。「RAM」はデータやプログラムを一時的に保持する主記憶であり、テンソル演算を処理する演算プロセッサではない。
同じ章で確認したい用語
到達チェック
- モーメンタム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、モーメンタム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）