G検定（ジェネラリスト検定）「ディープラーニングの概要」練習問題
ニューラルネットワークの基本構造、活性化関数、誤差逆伝播法を扱います。勾配降下法などの最適化手法や、過学習を防ぐ正則化の考え方も含みます。
解答済み 0 / 20問
1 / 20 問目正解 0
入力層と出力層のみからなる単純パーセプトロンで実現できない論理演算はどれか。
この分野の問題一覧
- 1入力層と出力層のみからなる単純パーセプトロンで実現できない論理演算はどれか。
- 2シグモイド関数 σ(x) = 1 / (1 + e^(−x)) の導関数の最大値として正しいものはどれか。
- 3活性化関数ReLU（Rectified Linear Unit）の説明として最も適切なものはどれか。
- 4誤差逆伝播法の説明として最も適切なものはどれか。
- 5確率的勾配降下法（SGD）の説明として最も適切なものはどれか。
- 63つ以上のクラスに分類する多クラス分類のニューラルネットワークで、出力層の活性化関数として一般的に用いられ、各出力を0から1の値に変換し、それらの総和が1になるようにする関数はどれか。
- 7最適化手法Adamの説明として最も適切なものはどれか。
- 8正則化に関する説明として最も適切なものはどれか。
- 9過学習を抑える手法であるドロップアウトの説明として最も適切なものはどれか。
- 10ニューラルネットワークの重みの初期値に関する説明として最も適切なものはどれか。
- 11深いニューラルネットワークの学習で問題となる「勾配消失問題」の説明として最も適切なものはどれか。
- 12ニューラルネットワークを勾配降下法で学習する際、学習率を大きく設定しすぎた場合に起こりやすい現象として最も適切なものはどれか。
- 13訓練データが50,000件あり、ミニバッチサイズを250として20エポック学習させた。1つのミニバッチごとにパラメータを1回更新するとき、パラメータの更新回数（イテレーション数）の合計として正しいものはどれか。
- 14入力が784次元、隠れ層のユニット数が128、出力層のユニット数が10の全結合ニューラルネットワークがある。隠れ層と出力層の各ユニットにバイアスがあるとき、学習対象となるパラメータ（重みとバイアス）の総数として正しいものはどれか。
- 15最適化手法の一つであるモメンタムの説明として最も適切なものはどれか。
- 16最適化手法AdaGradの課題と、それを改善したRMSpropに関する説明として最も適切なものはどれか。
- 17バッチ正規化（Batch Normalization）の説明として最も適切なものはどれか。
- 18あるニューラルネットワークの学習で、エポックが進むにつれて訓練誤差は下がり続けたが、検証誤差はある時点から上昇に転じた。この状況で、検証誤差が上昇し始めた付近で学習を打ち切って過学習を防ぐ手法はどれか。
- 19活性化関数のうち、入力が正のときは入力をそのまま出力し、入力が負のときは入力に0.01などの小さな係数を掛けて出力することで、負の領域でも勾配が0にならないようにしたものはどれか。
- 20ニューラルネットワークの普遍近似定理（universal approximation theorem）の内容として最も適切なものはどれか。