G検定（ジェネラリスト検定）「ディープラーニングの要素技術」練習問題
全結合層、畳み込み層、正規化層、リカレントニューラルネットワーク、Attention、Transformer、オートエンコーダなど、モデルを構成する主要な技術を扱います。データ拡張の手法も含みます。
解答済み 0 / 20問
1 / 20 問目正解 0
入力ユニット数が100、出力ユニット数が50の全結合層がある。各出力ユニットにバイアスが1つずつあるとき、この層の学習可能なパラメータ数として正しいものはどれか。
この分野の問題一覧
- 1入力ユニット数が100、出力ユニット数が50の全結合層がある。各出力ユニットにバイアスが1つずつあるとき、この層の学習可能なパラメータ数として正しいものはどれか。
- 2縦横29×29の入力に対し、3×3のフィルタを用いて、ストライド2、パディング1で畳み込みを行う。出力される特徴マップの縦横のサイズとして正しいものはどれか。
- 3ResNetで導入されたスキップ結合（残差接続）に関する説明として、最も適切なものはどれか。
- 41つのサンプルごとに、そのサンプルが持つすべての特徴量（全チャネル）にわたって平均と分散を計算して正規化する手法で、ミニバッチの大きさに依存しないためRNNやTransformerで広く用いられているものはどれか。
- 5GRU（Gated Recurrent Unit）に関する説明として、最も適切なものはどれか。
- 6Transformerで用いられるScaled Dot-Product Attentionでは、クエリとキーの内積を√d_k（d_kはキーの次元数）で割ってからソフトマックス関数を適用する。この処理の主な目的として、最も適切なものはどれか。
- 7Transformerのデコーダにある Source-Target Attention（Encoder-Decoder Attention）において、クエリ（Query）、キー（Key）、バリュー（Value）がそれぞれどこから得られるかの組み合わせとして、正しいものはどれか。
- 8Transformerで、位置エンコーディング（Positional Encoding）を入力の埋め込みベクトルに加える理由として、最も適切なものはどれか。
- 9変分オートエンコーダ（VAE）に関する説明として、最も適切なものはどれか。
- 10画像分類のデータ拡張手法のうち、2枚の画像の画素値をある比率で重み付けして足し合わせ、正解ラベルも同じ比率で混ぜ合わせて新たな学習データを作る手法はどれか。
- 11縦横32×32、3チャネル（RGB）の画像を入力とする畳み込み層で、5×5のフィルタを32枚使う。各フィルタにバイアスが1つずつあるとき、この層の学習可能なパラメータ数として正しいものはどれか。
- 12CNNにおける最大値プーリング（Max Pooling）に関する説明として、最も適切なものはどれか。
- 13バッチ正規化（Batch Normalization）に関する説明として、最も適切なものはどれか。
- 14LSTMにおいて、1時刻前までの記憶セルの情報をどの程度残し、どの程度捨てるかを制御するゲートはどれか。
- 15リカレントニューラルネットワーク（RNN）の学習に関する説明として、最も適切なものはどれか。
- 16Transformerのデコーダでは、Self-Attentionで各位置が自分より後ろの位置を参照できないようにマスクをかける。この目的として、最も適切なものはどれか。
- 17Transformerで用いられるSelf-Attentionと、RNNとを比較した説明として、最も適切なものはどれか。
- 18入力32チャネル、出力64チャネルの3×3畳み込み層を、深さ方向（depthwise）の3×3畳み込みと1×1の点単位（pointwise）畳み込みに分解した「深さ方向分離可能畳み込み（depthwise separable convolution）」に置き換える。depthwise畳み込みでは入力チャネルごとに3×3のフィルタを1枚ずつ用いるものとし、バイアスは考えない。置き換え後の重みパラメータ数として正しいものはどれか。
- 19オートエンコーダに関する説明として、最も適切なものはどれか。
- 20画像認識におけるデータ拡張に関する説明として、最も適切なものはどれか。