↑: [[CNN]] [[G検定に関する知識|G-exam]] - [[TODO]] - [[ReLU]]など - ニューロンの重み付き和を変換して次の層へ渡す関数 - **非線形性を与えることが最大の役割**（線形に線形を重ねても結局線形のまま） - 活性化関数がなければ多層にする意味がない → DLが複雑な関数を近似できるのは活性化関数のおかげ - 出力層での使い分け：シグモイド（二クラス分類）、ソフトマックス（多クラス分類）、恒等関数（回帰） - cf. [[シグモイド関数]], [[tanh関数]], [[ReLU]], [[ソフトマックス関数]], [[勾配消失問題]]