G検定 ディープラーニングの概要と要素技術の練習問題 セット4
ディープラーニングの概要と要素技術の13問を本番のペースの9分で解きます。時間制限なしでも練習できます。目標は10問正解です。
- 問題数
- 13
- 時間
- 9分
- 目標
- 10 (70%)
- 分野
- ディープラーニングの概要と要素技術
- モード
- 時間制限あり・なし
- 利用
- 試験パス
このテストにはJavaScriptが必要です。問題は次のとおりです。
TPUの説明として、最も適切なものを1つ選べ。
多クラス分類のニューラルネットワークの出力層でよく使われる活性化関数として、最も適切なものを1つ選べ。
顔の画像の照合などで、同じ人物の画像の特徴は近くに、別の人物の画像の特徴は遠くに配置するように学習するときに使う誤差関数として、最も適切なものを1つ選べ。
L0正則化についての説明として、最も適切なものを1つ選べ。
勾配降下法で、重みw=2.0、その点の誤差の勾配が0.5、学習率が0.1のとき、1回更新した後の重みはいくつか。最も適切なものを1つ選べ。
確率的勾配降下法(SGD)の説明として、最も適切なものを1つ選べ。
入力が100個、出力が10個の全結合層に、出力ごとにバイアスがある場合、学習するパラメータの数はいくつか。最も適切なものを1つ選べ。
入力が3チャンネル(RGB)の画像に、3×3のフィルタ16枚の畳み込み層を使う。フィルタごとにバイアスが1つあるとき、この層のパラメータの数はいくつか。最も適切なものを1つ選べ。
2×2の領域ごとに最大値をとる最大値プーリング(ストライド2)を、28×28の特徴マップに適用したときの出力の大きさはいくつか。最も適切なものを1つ選べ。
ResNetの残差ブロックで、ブロックの入力をx、ブロック内の層が計算する関数をF(x)としたとき、ブロックの出力として最も適切なものを1つ選べ。
LSTMの説明として、最も適切なものを1つ選べ。
Self-Attentionの説明として、最も適切なものを1つ選べ。
2006年にジェフリー・ヒントンらが示した、オートエンコーダを1層ずつ学習して重ね、その重みを深いネットワークの初期値にする方法として、最も適切なものを1つ選べ。
このセットの出題内容
- ニューラルネットワークとディープラーニング1問
- 活性化関数1問
- 誤差関数1問
- 正則化1問
- 最適化手法2問
- 全結合層1問
- 畳み込み層1問
- プーリング層1問
- スキップ結合1問
- 回帰結合層1問
- Attention1問
- オートエンコーダ1問
この試験のほかの練習
一般社団法人日本ディープラーニング協会(JDLA)とは関係のない独自の練習です。問題はすべて当サイトのオリジナルで、JDLAの例題や過去問題ではありません。