G検定 用語解説
BPTTとは
RNNを時間方向に展開し、系列の各時刻における誤差を過去の時刻へ伝播させて重みを更新する学習方法（Backpropagation Through Time）。
まず押さえる結論
BPTT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 / 再帰型ニューラルネットワーク
通常の再帰型ニューラルネットワークが長い系列を扱うと勾配消失が起きやすい問題に対し、入力・出力・忘却の3種類のゲートと記憶セルを備えて長期の依存関係を保持できるようにした手法はどれか。
正解は「LSTM」である。LSTMは入力・出力・忘却の3つのゲートと記憶セルを持ち、長期依存を保持して勾配消失を緩和する。GRUも勾配消失対策の手法だがゲートはリセット・更新の2つで独立した記憶セルを持たず、3ゲートと記憶セルを備えるという条件に一致しない。双方向RNNは系列を前後両方向から処理する構造、BPTTは時間方向に展開して誤差逆伝播を行う学習法であり、いずれもゲート機構による記憶保持の手法ではない。設問は「3種類のゲートと記憶セル」という具体的な構造を問うており、これに一致するのはLSTMだけである。
大項目5 ディープラーニングの要素技術 / 再帰型ニューラルネットワーク
RNNを時間方向に展開し、各時刻の出力誤差を過去の時刻へ伝えて重みを更新する学習方法はどれか。
正解は「BPTT」である。BPTT（Backpropagation Through Time）は、RNNを時間方向に展開し、系列の各時刻における誤差を過去の時刻へ伝播させて重みを更新する学習方法である。パディングやプーリング層は主に畳み込みニューラルネットワークで扱う概念、条件付きGANは生成モデルの一種であり、RNNの時間方向の誤差逆伝播を指すものではない。 誤差を伝える軸を見る。パディングは入力周囲の補完、プーリングは特徴マップの要約、Conditional GANは条件付き生成である。系列の計算グラフを時刻ごとに展開し、後の誤差を過去へ逆伝播する方法はBPTTである。
同じ章で確認したい用語
到達チェック
- BPTT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、BPTT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）