G検定 用語解説
変分オートエンコーダ（VAE）とは
エンコーダで入力データを確率分布として潜在空間へ圧縮し、デコーダでそこから元データに近いデータを復元する生成モデル。GAN（敵対的生成ネットワーク）のような敵対的学習ではなく、再構成誤差と分布の近さを基準に学習する。
まず押さえる結論
変分オートエンコーダ（VAE）は、G検定の「大項目5 ディープラーニングの要素技術」に出てくる用語です。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: 2026-10-02。
試験概要（公式）比較記事でさらに確認する
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
「大項目5 ディープラーニングの要素技術」の問題で、取り違えやすい組み合わせです。
- CNN（画像・畳み込み/プーリング）とRNN（時系列・系列データ）の使い分けを取り違える。
- LSTMとGRUのゲート数を混同する（LSTM＝3ゲート＋記憶セル、GRU＝2ゲートに簡略化）。
- 最適化手法を取り違える（モメンタム＝慣性、AdaGrad/RMSProp＝適応学習率、Adam＝両方）。
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 / 生成モデルと注意機構
入力データをエンコーダで潜在ベクトルに圧縮し、デコーダで復元する構造を持ち、潜在空間からのサンプリングによってデータを生成する生成モデルはどれか。
正解は「変分オートエンコーダ（VAE）」である。変分オートエンコーダ（VAE）は、エンコーダで入力を潜在ベクトル（潜在空間）に圧縮し、デコーダで復元する構造を持つ生成モデルで、潜在空間からサンプリングして新しいデータを生成できる。CNNは主に画像認識、SVM・決定木は分類・回帰の手法で、生成モデルではない。 見分けるには、圧縮・復元の構造と、潜在空間からの生成ができるかをあわせて確かめる。CNNは局所特徴の抽出、SVMと決定木は分類・回帰が主な用途で、潜在空間からサンプリングして生成できるのは変分オートエンコーダだけである。 比較対象には「畳み込みニューラルネットワーク（CNN）」、「サポートベクターマシン（SVM）」も含まれる。
同じ章で確認したい用語
到達チェック
- 変分オートエンコーダ（VAE）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、変分オートエンコーダ（VAE）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）