【G検定過去問風テスト】ResNetとスキップ結合の仕組みを徹底解説！

2026年7月28日 2026年7月28日 atsushi_kitazawa

※本記事では、アフィリエイトプログラムより教材を紹介しています。

📝 問題

ディープラーニングのモデルであるResNetおよび「スキップ結合（残差結合）」に関する説明として、最も適切な選択肢を1つ選べ。

A）スキップ結合のバイパス経路には固有の重みやバイアスが配置されるため、層を深くするほど学習パラメータ数が爆発的に増加する。
B）ResNetは、層を深くした際にテストデータに対してだけ適合できなくなる「過学習」を根本的に解決するために導入された。
C）ゼロから新しい特徴を学ぶのではなく、元の入力データと理想の答えの「差分（残差）」だけを学ぶ仕組みである。
D）従来のネットワークに比べて、勾配消失問題だけでなく勾配爆発の問題をも完全に解消することができる。

🔍 ここをクリックして正解を見る

正解: ○）C

💡 合格に近づく！徹底解説

重要度: ★★★

■ 1分で分かる！この問題の要点

スキップ結合は、データをバイパスさせて後ろの層へ直接ワープさせる仕組み。
ゼロから学習するのではなく、元のデータとの「差分（残差）」を学ぶ（残差学習）。
スキップ結合自体には追加のパラメータが不要で、劣化問題や勾配消失を防ぐ。

■ 初学者向け解説（例え話や背景）

ディープラーニングの層を何十層も深くしていくと、後ろの層からのアドバイスが消えてしまう「勾配消失問題」や、逆に精度が落ちてしまう「劣化問題」が発生します。これを会社の縦割り組織に例えると、平社員のアイデアが何十人もの上司を通るうちにゆがんでしまう状態です。そこで、途中の上司を飛ばして社長へ直接書類を届ける「社長直通ホットライン（スキップ結合）」を設置しました。これによって情報の風通しが良くなり、ネットワークを何層（ResNetでは152層など）も深くすることが可能になりました。

■ 選択肢の解説

A) スキップ結合のバイパス経路には固有の重みやバイアスが配置されるため、層を深くするほど学習パラメータ数が爆発的に増加する（×）: スキップ結合は単なる「足し算（アイデンティティマッピング）」であり、バイパス専用の重みパラメータは追加されません。パラメータを増やさずに性能を上げられるのが大きな特徴です。
B) ResNetは、層を深くした際にテストデータに対してだけ適合できなくなる「過学習」を根本的に解決するために導入された（×）: ResNetが解決したのは、訓練データすら学習できなくなる「劣化問題」や「勾配消失問題」です。過学習の対策としてはドロップアウトや正則化などが用いられます。
C) ゼロから新しい特徴を学ぶのではなく、元の入力データと理想の答えの「差分（残差）」だけを学ぶ仕組みである（○）: 正解です。入力 $x$ と層の出力 $F(x)$ を足し合わせた $F(x) + x$ の形で学習するため、残差学習と呼ばれます。
D) 従来のネットワークに比べて、勾配消失問題だけでなく勾配爆発の問題をも完全に解消することができる（×）: スキップ結合は勾配消失や劣化問題の対策として極めて有効ですが、「勾配爆発を完全に解消する」わけではありません。勾配爆発に対しては勾配クリッピングなどの別途対策が必要です。

リンク