多層パーセプトロン（MLP）でなぜXOR問題が解けるのか？G検定対策は頻出論点を整理して得点力につなげる学習テーマです。この記事では仕組み・役割・使いどころを押さえ、G検定で問われる判断ポイントとひっかけポイントを解説します。

gk neural_network

G検定トップ ＞ 多層パーセプトロン（MLP）でなぜXOR問題が解けるのか？G検定対策

まず結論

  • 多層パーセプトロン（MLP）は、中間層と非線形活性化関数を持つため、XOR問題を解けます。
  • G検定では「単純パーセプトロンとの決定的な違い」として問われます。

直感的な説明

  • 単純パーセプトロンは「直線1本」でデータを分けます。

  • MLPは、

    • 直線を組み合わせる
    • 曲がった境界を段階的に作る ことができます。

👉 直線を2本以上使えるイメージを持つと分かりやすいです。

定義・仕組み

  • 多層パーセプトロンは、

    • 入力層
    • 中間層（隠れ層）
    • 出力層 から構成されます。

  • 各層で

    • 重み付き和
    • 非線形活性化関数（ReLU, sigmoid など） を適用します。

  • この非線形変換により、 線形分離不可能な問題も解けるようになります。

いつ使う？（得意・不得意）

得意

  • XORのような非線形問題
  • 複雑な分類問題

不得意・注意点

  • 層を増やすと学習が難しくなる（勾配消失など）
  • CNNやRNNほど構造的な特化はない

G検定ひっかけポイント

  • ❌ 中間層が増えたから解ける → 不十分

  • ⭕ 中間層＋非線形活性化関数があるから解ける → 正解

  • ❌ パラメータ数が増えたから → 誤り

👉 キーワードは必ず 「非線形」です。

まとめ（試験直前用）

  • MLPは中間層を持つ
  • 非線形活性化関数を使う
  • 直線を組み合わせて複雑な境界を表現できる
  • XORは非線形分離問題
  • G検定では「非線形変換」が判断軸 *

🔗 関連記事

🏠 G検トップに戻る