Tanh（ハイパボリックタンジェント）関数

2026年2月28日 2026年2月28日山崎講師

山崎講師

こんにちは。ゆうせいです。

ディープラーニングの世界へようこそ！AIが人間の脳のように学習する仕組み、ワクワクしませんか？

今日は、AIの頭脳の中で「情報の勢い」を調節する大切な部品、Tanh（ハイパボリックタンジェント）関数についてお話しします。

以前学んだかもしれないsigmoid関数と何が違うのか、どちらが優秀なのか、一緒に紐解いていきましょう！

AIのやる気スイッチ？活性化関数とは

ニューラルネットワークを理解する上で避けて通れないのが、活性化関数です。

これは、前の細胞から伝わってきた電気信号を、次の細胞にどれくらいの強さで伝えるかを決めるフィルターのような役割を担っています。

例えば、あなたが友達から「明日のテスト、めちゃくちゃ難しいらしいよ！」と聞いたとします。

その情報を聞いて、「よし、徹夜で勉強するぞ！」と気合を入れるのか、「まあ、なんとかなるでしょ」と受け流すのか。

この情報の変換処理を行っているのが活性化関数です。

Tanh関数の正体と計算式

Tanh関数は、日本語では正接（タンジェント）の親戚で、双曲線正接関数と呼ばれます。

この関数の最大の特徴は、出力される値が必ず -1 から 1 の間に収まるという点です。

ここで、WordPressでも綺麗に表示されるように計算式の形を確認してみましょう。

Tanh関数は、ネイピア数 $e$ を使って以下のように定義されます。

Tanh(x) = ( $e^{x}$ - $e^{-x}$ ) $\div$ ( $e^{x}$ + $e^{-x}$ )

少し難しそうに見えますか？

要するに、どんなに大きな数字（ポジティブなニュース）が入力されても 1 に近づき、どんなに小さな数字（ネガティブなニュース）が入力されても -1 に近づく仕組みなのです。

Sigmoid関数との決定的な違い

初心者の方が最初に出会う活性化関数は、おそらくSigmoid（シグモイド）関数でしょう。

では、Tanh関数とSigmoid関数は何が違うのでしょうか？

主な違いを以下の表にまとめました。

特徴	Sigmoid関数	Tanh関数
出力範囲	0 から 1	-1 から 1
中心値	0.5	0
データの偏り	正の方向に偏りやすい	0を中心にバランスが良い

ゼロ中心であることのメリット

Tanh関数の最大の強みは、出力の平均が 0 に近い、つまり「ゼロ中心」であることです。

Sigmoid関数の場合、出力が常にプラス（0から1）なので、学習が進むにつれてデータの重みが一方向に偏ってしまう問題が発生しやすくなります。

想像してみてください。

常に「YES」か「たぶんYES」しか言わないYESマンばかりの会議よりも、「YES（1）」も「NO（-1）」もしっかり言える会議の方が、バランス良く正しい判断ができそうですよね？

これが、Tanh関数がSigmoid関数よりも学習がスムーズに進みやすい理由です。

Tanh関数のメリットとデメリット

どんなに便利な道具にも、良い面と悪い面があります。

メリット

学習の効率が良い：前述の通りゼロ中心であるため、ネットワーク全体の学習スピードがSigmoid関数よりも速くなる傾向があります。
表現力が豊か：マイナスの値を扱えるため、データの「負の側面」を直接次の層に伝えることができます。

デメリット

勾配消失問題：入力値が極端に大きかったり小さかったりすると、関数の傾きがほとんど 0 になってしまいます。これにより、AIが「これ以上何を学べばいいかわからない」とフリーズしてしまうことがあります。
計算コスト：指数関数 $e$ を計算に使うため、単純な関数に比べると少しだけコンピュータに負荷がかかります。

実際にどう使い分けるのか

あなたは今、「結局どっちを使えばいいの？」と思っているかもしれません。

現代のディープラーニングでは、隠れ層（ネットワークの中間部分）には ReLU関数という別の関数が使われるのが一般的です。

しかし、データの値を一定の範囲にギュッと凝縮したい場合や、古いネットワークの改善、あるいは特定の時系列データを扱うモデル（RNNなど）では、今でも Tanh関数が現役で活躍しています。

結論として、Sigmoid関数を使うくらいなら、まずは Tanh関数を試してみるのがセオリーと言えるでしょう。

まとめと次のステップ

今回は Tanh関数について学びました。

Sigmoid関数よりも出力のバランスが良く、学習を加速させてくれる頼もしい存在であることを理解していただけたでしょうか？

AIの世界は、こうした小さな部品の積み重ねでできています。

一つひとつの数式がどんな「役割」を持っているのかをイメージできるようになると、プログラミングもぐっと楽しくなりますよ！

今後の学習指針

PythonとPyTorchやTensorFlowを使って、実際に Tanh関数を動かしてみましょう。
なぜ最近は Tanh関数よりも ReLU関数が好まれるのか、その理由を調べてみてください。
勾配消失問題という言葉を深掘りすると、ディープラーニングの歴史が見えてきます。

セイ・コンサルティング・グループでは新人エンジニア研修のアシスタント講師を募集しています。

投稿者プロフィール

山崎講師代表取締役

セイ・コンサルティング・グループ株式会社代表取締役。
岐阜県出身。
2000年創業、2004年会社設立。
IT企業向け人材育成研修歴業界歴20年以上。
すべての無駄を省いた費用対効果の高い「筋肉質」な研修を提供します！
この記事に間違い等ありましたらぜひお知らせください。

学生時代は趣味と実益を兼ねてリゾートバイトにいそしむ。長野県白馬村に始まり、志賀高原でのスキーインストラクター、沖縄石垣島、北海道トマム。高じてオーストラリアのゴールドコーストでツアーガイドなど。現在は野菜作りにはまっている。