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5
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。
ディープラーニングを使う前に検討すべきこととして、最も適切なものを1つ選べ。
tanh関数(双曲線正接関数)についての説明として、最も適切なものを1つ選べ。
Contrastive Lossについての説明として、最も適切なものを1つ選べ。
深いニューラルネットワークの学習で、勾配が層をさかのぼるにつれて大きくなりすぎ、重みの更新が不安定になる現象として、最も適切なものを1つ選べ。
モーメンタムの説明として、最も適切なものを1つ選べ。
検証データでの誤差が下がらなくなり、増え始めた時点で学習を止めて過学習を防ぐ方法を何と呼ぶか。最も適切なものを1つ選べ。
モデルのパラメータ数を増やしていくと、テストの誤差がいったん増えた後に再び減少することがある。この現象として、最も適切なものを1つ選べ。
畳み込み層を全結合層と比べたときの特徴として、最も適切なものを1つ選べ。
画像のスタイル変換などで使われ、1枚の画像の各チャンネルごとに正規化する手法として、最も適切なものを1つ選べ。
リカレントニューラルネットワーク(RNN)が向いているデータとして、最も適切なものを1つ選べ。
RNNのうち、出力層の値を次の時刻の入力として戻すものとして、最も適切なものを1つ選べ。
Attentionで使われるクエリ、キー、バリューの関係の説明として、最も適切なものを1つ選べ。
画像の一部の正方形の領域を塗りつぶして学習データを増やすデータ拡張の手法として、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
- 誤差逆伝播法1問
- 最適化手法3問
- 畳み込み層1問
- 正規化層1問
- 回帰結合層2問
- Attention1問
- データ拡張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。