ニューラルネットワークと学習の仕組みの一問一答

ニューラルネットワークの基本的な構造として、最も適切なものを1つ選びなさい。

• ①すべての層が同じ1つの計算だけを行い、層と層の間にはつながりが存在しない。
• ②入力層と出力層だけがあり、その間には計算を行う層を置かないことが決まりである。
• ③入力層・隠れ層（中間層）・出力層があり、層と層の間が重みでつながっている。
• ④出力層が最初にあり、出力から入力に向かって一方向に計算が進む構造である。

ニューラルネットワークに関する記述として、適切でないものを1つ選びなさい。

• ①隠れ層を何層も深く重ねたものを使った学習を、ディープラーニングという。
• ②入力層・隠れ層（中間層）・出力層があり、層の間が重みでつながっている。
• ③人間の脳の神経細胞のつながりを参考にして作られた、計算の仕組みのことである。
• ④重みは人間が手作業で決めておくもので、学習によって値が変わることはない。

活性化関数の役割として、最も適切なものを1つ選びなさい。

• ①ニューロンの出力を変換して、ネットワークが複雑な関係を表せるようにする。
• ②学習データを読み込む前に、データの中の誤りや重複を自動で取り除いていく。
• ③ニューラルネットワークの計算を、複数のコンピュータに分けて速くしていく。
• ④出力層から出た答えと正解の差を計算し、学習の終わりを決める基準にする。

損失関数（誤差関数）の説明として、最も適切なものを1つ選びなさい。

• ①ニューロンの出力を変換して、ネットワークが複雑な関係を表せるようにするためのもの
• ②モデルの出力と正解とのずれの大きさを数値で表し、学習で小さくすることを目指すもの
• ③学習に使うデータの量と、モデルの性能との関係を表すための経験的な法則のこと
• ④学習中にネットワークの一部のニューロンを、ランダムに無効にする仕組みのこと

誤差逆伝播法（バックプロパゲーション）の説明として、最も適切なものを1つ選びなさい。

• ①大量の文章データで、次に続く単語を予測する練習を最初に行っておくための方法
• ②入力層から出力層の方向へ順に計算を進め、モデルの最終的な答えを求めるための方法
• ③学習データを少しずつ変形させて、学習に使えるデータの量を水増しするための方法
• ④出力の誤差を出力層から入力層の方向へさかのぼって伝え、重みの調整量を求める方法

勾配降下法の説明として、最も適切なものを1つ選びなさい。

• ①学習データを、似た性質を持つもの同士のグループに自動的に分けていくための方法
• ②損失関数の値が小さくなる方向へ、重みなどのパラメータを少しずつ更新する方法
• ③モデルが出力する文章の多様さを、生成するたびに少しずつ高めていくための方法
• ④ニューラルネットワークの層の数を、学習が進むたびに1層ずつ減らしていく方法

過学習を防ぐための手法として、適切でないものを1つ選びなさい。

• ①検証用データの誤差が増え始めたところで学習を止める、早期終了を使う。
• ②学習中に一部のニューロンをランダムに無効にする、ドロップアウトを使う。
• ③学習データに完全に一致するまで、学習の回数をできるだけ増やし続ける。
• ④重みが大きくなりすぎないように制約を加える、正則化という手法を使う。

ニューラルネットワークの学習に関する次の記述a〜dのうち、適切なものの組合せを1つ選びなさい。
a．汎化性能とは、学習に使っていない未知のデータにも正しく対応できる能力である。
b．過学習を防ぐには、学習データに完全に一致するまで学習を続けるのがよい。
c．転移学習とは、学習済みのモデルの結果を消し、一から別の課題を学ばせる方法である。
d．アーリーストッピングは、検証用データの誤差が増え始めた段階で学習を止める手法である。

• ①a・d
• ②b・c
• ③a・b
• ④c・d

転移学習とファインチューニングに関する記述として、適切でないものを1つ選びなさい。

• ①転移学習は、ある課題で学んだモデルの知識を、別の関連する課題に活用する方法である。
• ②転移学習を行うには、元のモデルの学習結果をいったん消してから、学習し直す必要がある。
• ③少ないデータでも、一から学習するより高い性能を得やすいことが転移学習の利点である。
• ④学習済みモデルのパラメータを、追加の学習で調整することをファインチューニングという。

ニューラルネットワークの学習の仕組みに関する次の記述a〜dのうち、適切なものの組合せを1つ選びなさい。
a．活性化関数は、学習を止めるタイミングを決めるために使われる。
b．学習では、損失関数の値が小さくなるように重みを調整する。
c．ドロップアウトは、過学習を防ぐための手法の一つである。
d．誤差逆伝播法は、入力層から出力層へ答えを計算するための方法である。

• ①a・b
• ②a・d
• ③b・c
• ④c・d