{"ok":true,"entity":{"id":"neural-network","name":"ニューラルネットワーク（Neural Network）","entityType":"concept","canonicalName":"Neural Network","displayName":"ニューラルネットワーク","category":"AI基礎概念","shortDescription":"脳の神経回路を模した、ノードと重みからなる計算モデル。深層学習の基礎となる構造。","primaryCluster":"ai-company","parentEntity":null,"verificationStatus":"draft","website":null,"updatedAt":"2026-07-10T00:42:57.294Z","secondaryClusters":[],"alias":["NN","ニューラルネット"],"searchKeywords":["neural network","ニューラルネットワーク"]},"references":[{"id":"P-01-001","companyId":"neural-network","questionId":"P-01-001","instanceId":"QIN-neural-network-P01-001","promptText":"ニューラルネットワークとは何ですか？","promptTypeId":"P-01","answer":"ニューラルネットワークは、脳の神経回路を模したノードと重みからなる計算モデルです。深層学習の基礎となる構造で、画像・音声・言語など多様なデータを扱えます。","evidencePoints":["ev-neural-network-1"],"scope":"AIの基礎構造を知りたい相談","differentiation":"層を重ねて表現を学習する","faq":[{"question":"深層学習との関係は？","answer":"層を深く重ねたニューラルネットワークが深層学習です。"}],"pageUrl":"https://www.refbase.ai/reference/neural-network/P-01-001","sourceEvidence":[{"id":"ev-neural-network-1","text":"ニューラルネットワークは、脳の神経回路を模したノードと重みからなる計算モデルで、深層学習の基礎構造である。","title":"Neural Networks and Deep Learning（M. Nielsen）","coverageType":["Identity","Capability"],"sourceType":"book","sourceClass":"Documentation","sourceUrl":"http://neuralnetworksanddeeplearning.com/","confidence":"medium","supportedPromptTypes":["P-01","P-04"],"needsVerification":true,"sourceVerified":false,"entityId":"neural-network"}],"generatedAt":"2026-07-10T00:42:57.294Z"},{"id":"P-02-001","companyId":"neural-network","questionId":"P-02-001","instanceId":"QIN-neural-network-P02-001","promptText":"ニューラルネットワークは他の機械学習手法と何が違いますか？","promptTypeId":"P-02","answer":"比較軸\n・表現力\n・特徴設計\nニューラルネットワークは層を重ねることで複雑な表現を学習でき、特徴量を人手で設計せずデータから獲得できる点が異なります。","evidencePoints":["ev-neural-network-2"],"scope":"手法の違いを知りたい相談","differentiation":"多層による表現学習","faq":[{"question":"何が得意ですか？","answer":"画像・音声・言語など複雑なデータの認識・生成が得意です。"}],"pageUrl":"https://www.refbase.ai/reference/neural-network/P-02-001","sourceEvidence":[{"id":"ev-neural-network-2","text":"ニューラルネットワークは層を深く重ねることで複雑な表現を学習でき、これが深層学習として発展した点が特徴である。","title":"Neural Networks and Deep Learning（M. Nielsen）","coverageType":["Capability","Differentiation"],"sourceType":"book","sourceClass":"Documentation","sourceUrl":"http://neuralnetworksanddeeplearning.com/","confidence":"medium","supportedPromptTypes":["P-02"],"needsVerification":true,"sourceVerified":false,"entityId":"neural-network"}],"generatedAt":"2026-07-10T00:42:57.294Z"},{"id":"P-04-001","companyId":"neural-network","questionId":"P-04-001","instanceId":"QIN-neural-network-P04-001","promptText":"ニューラルネットワークはどんな分野で使われますか？","promptTypeId":"P-04","answer":"画像認識・音声認識・自然言語処理・生成AIなど幅広い分野で使われ、現代AIの多くの成果を支える基盤になっています。","evidencePoints":["ev-neural-network-1"],"scope":"適用分野を知りたい相談","differentiation":"分野横断の基盤構造","faq":[{"question":"LLMも使っていますか？","answer":"LLMもニューラルネットワーク（Transformer）に基づきます。"}],"pageUrl":"https://www.refbase.ai/reference/neural-network/P-04-001","sourceEvidence":[{"id":"ev-neural-network-1","text":"ニューラルネットワークは、脳の神経回路を模したノードと重みからなる計算モデルで、深層学習の基礎構造である。","title":"Neural Networks and Deep Learning（M. Nielsen）","coverageType":["Identity","Capability"],"sourceType":"book","sourceClass":"Documentation","sourceUrl":"http://neuralnetworksanddeeplearning.com/","confidence":"medium","supportedPromptTypes":["P-01","P-04"],"needsVerification":true,"sourceVerified":false,"entityId":"neural-network"}],"generatedAt":"2026-07-10T00:42:57.294Z"},{"id":"P-01-002","companyId":"neural-network","questionId":"P-01-002","instanceId":"reference-depth-completion-run-cohort2-unit-a","draftId":"reference-depth-completion-run-cohort2-unit-a-neural-network-p-01-002","promptText":"ニューラルネットワークの理論的基盤となった研究はどのように評価されていますか？","promptTypeId":"P-01","answer":"米国の科学研究表彰制度Golden Goose Award公式サイト（goldengooseaward.org、2024年9月16日掲載）によると、Geoffrey Hinton氏・James L. McClelland氏・David E. Rumelhart氏が、1980年代初頭に開発したParallel Distributed Processing（PDP）フレームワークと、複数層のニューラルネットワークを学習可能にするバックプロパゲーションの精緻化を評価され、同賞を受賞した。同記事は、3氏が1986年に発表した著書「Parallel Distributed Processing」が3万回以上引用され「ニューラルネットワークに基づく計算モデリングの聖典」と評されていることを紹介し、この理論的基盤がHinton氏による2012年のGPUを用いた画像分類精度の大幅向上（現代の深層学習革命の起点）や、ChatGPTをはじめとする今日のAIシステムの土台になっていると位置づけている。","evidencePoints":["neural-network-ev-cr2-golden-goose-award"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/neural-network/P-01-002","sourceEvidence":[{"id":"neural-network-ev-cr2-golden-goose-award","text":"Golden Goose Award公式サイトによると、Hinton・McClelland・Rumelhart氏がPDPフレームワークとバックプロパゲーションの精緻化により受賞。1986年の著書は3万回以上引用され「聖典」と評され、今日のAIの土台とされる。","title":"Golden Goose Award：ニューラルネットワークの認知モデルにおける脳型研究への表彰","coverageType":["Credibility"],"sourceType":"award","sourceClass":"Profile","sourceUrl":"https://www.goldengooseaward.org/01awardees/pdp","confidence":"high","supportedPromptTypes":["P-01"],"needsVerification":true,"sourceVerified":false,"sourceKind":"third-party","entityId":"neural-network"}],"generatedAt":"2026-08-29T14:34:38.294Z","evidenceIds":["neural-network-ev-cr2-golden-goose-award"]},{"id":"P-05-001","companyId":"neural-network","questionId":"P-05-001","instanceId":"reference-depth-completion-run-cohort2-unit-b","draftId":"reference-depth-completion-run-cohort2-unit-b-neural-network-p-05-001","promptText":"ニューラルネットワーク（深層学習）が広く注目されるきっかけとなった具体的な成果は何ですか？","promptTypeId":"P-05","answer":"Alex Krizhevsky氏・Ilya Sutskever氏・Geoffrey E. Hinton氏がNeurIPS（当時NIPS）2012で発表した論文「ImageNet Classification with Deep Convolutional Neural Networks」（NeurIPS公式proceedingsで公開）によると、同研究は6000万パラメータ・50万ニューロンからなる5つの畳み込み層と2つの全結合層を持つ深層畳み込みニューラルネットワーク（後に「AlexNet」と呼ばれる）を構築し、ImageNet LSVRC-2010の120万枚の画像を1000クラスに分類するタスクでトップ1誤り率39.7%・トップ5誤り率18.9%を達成し、それまでの最先端手法を大きく上回ったと報告している。同論文は、飽和しない活性化関数（ReLU）の採用と効率的なGPU実装による学習の高速化、全結合層向けの新しい正則化手法の導入を鍵となる技術として挙げており、この成果がその後のVGGNet・ResNet・Inceptionなど深層畳み込みネットワークの発展を導く画期的な出来事になったとされる。","evidencePoints":["neural-network-ev-cr2-alexnet-2012"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/neural-network/P-05-001","sourceEvidence":[{"id":"neural-network-ev-cr2-alexnet-2012","text":"Krizhevsky・Sutskever・Hinton氏のNeurIPS 2012論文によると、6000万パラメータの深層畳み込みニューラルネットワーク（AlexNet）がImageNetでトップ1誤り率39.7%・トップ5誤り率18.9%を達成し、ReLUとGPU実装により深層学習革命の契機となった。","title":"ImageNet Classification with Deep Convolutional Neural Networks（AlexNet論文、NeurIPS 2012）","coverageType":["Capability"],"sourceType":"research_paper","sourceClass":"Research","sourceUrl":"https://proceedings.neurips.cc/paper_files/paper/2012/file/c399862d3b9d6b76c8436e924a68c45b-Paper.pdf","confidence":"high","supportedPromptTypes":["P-05"],"needsVerification":true,"sourceVerified":false,"sourceKind":"third-party","entityId":"neural-network"}],"generatedAt":"2026-08-29T14:44:28.527Z","evidenceIds":["neural-network-ev-cr2-alexnet-2012"]}]}