ニューラルネットワーク・多層ネットワーク
問題ID g_kentei_s03_0001
人工ニューロンの構成要素を説明できる。
WEB問題 出題論点
ディープラーニング基礎・要素技術
ディープラーニング基礎・要素技術の公開中WEB問題150問を、5つの学習分野・15の細目に沿って確認できる。
全問題の論点と学習ポイント
3問
ニューラルネットワーク
「ニューラルネットワーク」の分野として、ニューラルネットワーク・多層ネットワーク、活性化関数、誤差関数・損失関数を扱う。
ニューラルネットワーク・多層ネットワーク
問題ID g_kentei_s03_0002
隠れ層と多層化の役割を理解する。
ニューラルネットワーク・多層ネットワーク
問題ID g_kentei_s03_0003
非線形活性化の必要性を理解する。
ニューラルネットワーク・多層ネットワーク
問題ID g_kentei_s03_0004
重みとバイアスの役割を区別できる。
ニューラルネットワーク・多層ネットワーク
問題ID g_kentei_s03_0005
順伝播と逆伝播を区別できる。
ニューラルネットワーク・多層ネットワーク
問題ID g_kentei_s03_0006
モデル容量の利点とリスクを理解する。
ニューラルネットワーク・多層ネットワーク
問題ID g_kentei_s03_0007
層ごとの役割を説明できる。
ニューラルネットワーク・多層ネットワーク
問題ID g_kentei_s03_0008
タスクに応じた出力層を判断できる。
ニューラルネットワーク・多層ネットワーク
問題ID g_kentei_s03_0009
エポックと更新回数を区別できる。
ニューラルネットワーク・多層ネットワーク
問題ID g_kentei_s03_0010
表現学習と多層ネットワークの関係を理解する。
活性化関数
問題ID g_kentei_s03_0011
活性化関数の役割を説明できる。
活性化関数
問題ID g_kentei_s03_0012
ReLUの定義を理解する。
活性化関数
問題ID g_kentei_s03_0013
シグモイドの値域と用途を理解する。
活性化関数
問題ID g_kentei_s03_0014
tanhの特徴を説明できる。
活性化関数
問題ID g_kentei_s03_0015
勾配消失と活性化関数の関係を理解する。
活性化関数
問題ID g_kentei_s03_0016
dying ReLUを説明できる。
活性化関数
問題ID g_kentei_s03_0017
ReLUの変種の狙いを理解する。
活性化関数
問題ID g_kentei_s03_0018
softmaxの役割を理解する。
活性化関数
問題ID g_kentei_s03_0019
タスク別に活性化関数を選べる。
活性化関数
問題ID g_kentei_s03_0020
回帰出力の活性化を判断できる。
誤差関数・損失関数
問題ID g_kentei_s03_0021
損失関数の役割を説明できる。
誤差関数・損失関数
問題ID g_kentei_s03_0022
MSEの意味を理解する。
誤差関数・損失関数
問題ID g_kentei_s03_0023
MAEとMSEの違いを説明できる。
誤差関数・損失関数
問題ID g_kentei_s03_0024
交差エントロピーの直観を理解する。
誤差関数・損失関数
問題ID g_kentei_s03_0025
多クラス分類の損失設計を理解する。
誤差関数・損失関数
問題ID g_kentei_s03_0026
損失と評価指標を区別できる。
誤差関数・損失関数
問題ID g_kentei_s03_0027
損失集約方法の意味を理解する。
誤差関数・損失関数
問題ID g_kentei_s03_0028
損失の微分と最適化の関係を理解する。
誤差関数・損失関数
問題ID g_kentei_s03_0029
業務要件に応じて損失を調整できる。
誤差関数・損失関数
問題ID g_kentei_s03_0030
損失と正則化の関係を理解する。
学習アルゴリズム
「学習アルゴリズム」の分野として、正則化・過学習対策、誤差逆伝播法、勾配降下法・最適化手法を扱う。
正則化・過学習対策
問題ID g_kentei_s03_0031
過学習の定義を説明できる。
正則化・過学習対策
問題ID g_kentei_s03_0032
L2正則化の作用を理解する。
正則化・過学習対策
問題ID g_kentei_s03_0033
L1とL2を比較できる。
正則化・過学習対策
問題ID g_kentei_s03_0034
Dropoutの仕組みを説明できる。
正則化・過学習対策
問題ID g_kentei_s03_0035
Early Stoppingの目的を理解する。
正則化・過学習対策
問題ID g_kentei_s03_0036
データ拡張と汎化の関係を理解する。
正則化・過学習対策
問題ID g_kentei_s03_0037
正則化強度のトレードオフを理解する。
正則化・過学習対策
問題ID g_kentei_s03_0038
学習曲線から過学習を判断できる。
正則化・過学習対策
問題ID g_kentei_s03_0039
容量制御の意味を理解する。
正則化・過学習対策
問題ID g_kentei_s03_0040
データ量と過学習の関係を理解する。
誤差逆伝播法
問題ID g_kentei_s03_0041
誤差逆伝播法の目的を説明できる。
誤差逆伝播法
問題ID g_kentei_s03_0042
逆伝播と連鎖律の関係を理解する。
誤差逆伝播法
問題ID g_kentei_s03_0043
中間値キャッシュの意義を理解する。
誤差逆伝播法
問題ID g_kentei_s03_0044
勾配の符号と更新方向を理解する。
誤差逆伝播法
問題ID g_kentei_s03_0045
勾配消失の発生機序を理解する。
誤差逆伝播法
問題ID g_kentei_s03_0046
勾配爆発を説明できる。
誤差逆伝播法
問題ID g_kentei_s03_0047
自動微分と逆伝播の関係を理解する。
誤差逆伝播法
問題ID g_kentei_s03_0048
逆伝播と数値微分を比較できる。
誤差逆伝播法
問題ID g_kentei_s03_0049
逆向き計算の効率性を理解する。
誤差逆伝播法
問題ID g_kentei_s03_0050
勾配チェックの目的を理解する。
勾配降下法・最適化手法
問題ID g_kentei_s03_0051
勾配降下法の基本を説明できる。
勾配降下法・最適化手法
問題ID g_kentei_s03_0052
学習率過大の影響を理解する。
勾配降下法・最適化手法
問題ID g_kentei_s03_0053
学習率過小の影響を理解する。
勾配降下法・最適化手法
問題ID g_kentei_s03_0054
バッチ法とSGDを区別できる。
勾配降下法・最適化手法
問題ID g_kentei_s03_0055
ミニバッチの意義を理解する。
勾配降下法・最適化手法
問題ID g_kentei_s03_0056
Momentumの目的を説明できる。
勾配降下法・最適化手法
問題ID g_kentei_s03_0057
Adamの仕組みを理解する。
勾配降下法・最適化手法
問題ID g_kentei_s03_0058
学習率スケジューリングを理解する。
勾配降下法・最適化手法
問題ID g_kentei_s03_0059
非凸最適化の特徴を理解する。
勾配降下法・最適化手法
問題ID g_kentei_s03_0060
勾配クリッピングの用途を判断できる。
基本レイヤー
「基本レイヤー」の分野として、全結合層、畳み込み層、プーリング層を扱う。
全結合層
問題ID g_kentei_s03_0061
全結合層の接続構造を説明できる。
全結合層
問題ID g_kentei_s03_0062
全結合層のパラメータ数を計算できる。
全結合層
問題ID g_kentei_s03_0063
Flattenと全結合層の接続を理解する。
全結合層
問題ID g_kentei_s03_0064
全結合層のパラメータ増加を説明できる。
全結合層
問題ID g_kentei_s03_0065
全結合と畳み込みを比較できる。
全結合層
問題ID g_kentei_s03_0066
二値分類の全結合出力を理解する。
全結合層
問題ID g_kentei_s03_0067
多クラス出力層を設計できる。
全結合層
問題ID g_kentei_s03_0068
全結合と活性化の関係を理解する。
全結合層
問題ID g_kentei_s03_0069
全結合層のスケーリング課題を理解する。
全結合層
問題ID g_kentei_s03_0070
GAPと全結合層の関係を理解する。
畳み込み層
問題ID g_kentei_s03_0071
畳み込みの基本動作を説明できる。
畳み込み層
問題ID g_kentei_s03_0072
重み共有の意味を理解する。
畳み込み層
問題ID g_kentei_s03_0073
局所受容野の利点を説明できる。
畳み込み層
問題ID g_kentei_s03_0074
ストライドの影響を理解する。
畳み込み層
問題ID g_kentei_s03_0075
パディングの目的を説明できる。
畳み込み層
問題ID g_kentei_s03_0076
フィルタ数と出力チャネルの関係を理解する。
畳み込み層
問題ID g_kentei_s03_0077
受容野の拡大を理解する。
畳み込み層
問題ID g_kentei_s03_0078
1×1畳み込みの意味を理解する。
畳み込み層
問題ID g_kentei_s03_0079
CNNの帰納バイアスを理解する。
畳み込み層
問題ID g_kentei_s03_0080
畳み込みのパラメータ効率を説明できる。
プーリング層
問題ID g_kentei_s03_0081
Max Poolingの動作を説明できる。
プーリング層
問題ID g_kentei_s03_0082
Average Poolingの動作を理解する。
プーリング層
問題ID g_kentei_s03_0083
プーリングの目的を説明できる。
プーリング層
問題ID g_kentei_s03_0084
プーリングの出力サイズを判断できる。
プーリング層
問題ID g_kentei_s03_0085
MaxとAverageを比較できる。
プーリング層
問題ID g_kentei_s03_0086
GAPの定義を理解する。
プーリング層
問題ID g_kentei_s03_0087
プーリングと位置変化の関係を理解する。
プーリング層
問題ID g_kentei_s03_0088
プーリングの情報損失を理解する。
プーリング層
問題ID g_kentei_s03_0089
Poolingとstride convolutionを比較できる。
プーリング層
問題ID g_kentei_s03_0090
GAPの利点を理解する。
ネットワーク構造
「ネットワーク構造」の分野として、正規化層、スキップ結合、回帰結合層・RNNを扱う。
正規化層
問題ID g_kentei_s03_0091
Batch Normalizationの基本処理を説明できる。
正規化層
問題ID g_kentei_s03_0092
BatchNormの学習時と推論時の違いを理解する。
正規化層
問題ID g_kentei_s03_0093
正規化層の導入目的を理解する。
正規化層
問題ID g_kentei_s03_0094
BatchNormの学習可能パラメータの役割を説明できる。
正規化層
問題ID g_kentei_s03_0095
小バッチ時のBatchNormの課題を理解する。
正規化層
問題ID g_kentei_s03_0096
BatchNormとLayer Normalizationの違いを区別できる。
正規化層
問題ID g_kentei_s03_0097
正規化層とデータ前処理を区別できる。
正規化層
問題ID g_kentei_s03_0098
BatchNormの正則化的効果を過大評価しない。
正規化層
問題ID g_kentei_s03_0099
正規化の位置に関する設計意図を理解する。
正規化層
問題ID g_kentei_s03_0100
正規化層の限界を含めて選択できる。
スキップ結合
問題ID g_kentei_s03_0101
スキップ結合の基本構造を説明できる。
スキップ結合
問題ID g_kentei_s03_0102
残差学習の式の意味を理解する。
スキップ結合
問題ID g_kentei_s03_0103
ResNetが深層化を助ける理由を理解する。
スキップ結合
問題ID g_kentei_s03_0104
次元不一致時のshortcutを理解する。
スキップ結合
問題ID g_kentei_s03_0105
スキップ結合とDropoutを区別できる。
スキップ結合
問題ID g_kentei_s03_0106
degradation問題を理解する。
スキップ結合
問題ID g_kentei_s03_0107
ResNetの公式出題粒度を理解する。
スキップ結合
問題ID g_kentei_s03_0108
スキップ結合の情報伝播を理解する。
スキップ結合
問題ID g_kentei_s03_0109
加算型と連結型のスキップ経路を区別できる。
スキップ結合
問題ID g_kentei_s03_0110
スキップ結合の効果を限定的に理解する。
回帰結合層・RNN
問題ID g_kentei_s03_0111
RNNの基本構造を説明できる。
回帰結合層・RNN
問題ID g_kentei_s03_0112
隠れ状態の役割を理解する。
回帰結合層・RNN
問題ID g_kentei_s03_0113
RNNのパラメータ共有を理解する。
回帰結合層・RNN
問題ID g_kentei_s03_0114
BPTTを説明できる。
回帰結合層・RNN
問題ID g_kentei_s03_0115
RNNの勾配消失を理解する。
回帰結合層・RNN
問題ID g_kentei_s03_0116
LSTMのゲート機構を理解する。
回帰結合層・RNN
問題ID g_kentei_s03_0117
many-to-one系列処理を識別できる。
回帰結合層・RNN
問題ID g_kentei_s03_0118
双方向RNNの特徴を理解する。
回帰結合層・RNN
問題ID g_kentei_s03_0119
RNNとTransformerの並列性を比較できる。
回帰結合層・RNN
問題ID g_kentei_s03_0120
RNNの限界と用途を適切に判断できる。
発展的要素技術
「発展的要素技術」の分野として、Attention、オートエンコーダ、データ拡張を扱う。
Attention
問題ID g_kentei_s03_0121
Attentionの基本目的を説明できる。
Attention
問題ID g_kentei_s03_0122
Query・Key・Valueの役割を理解する。
Attention
問題ID g_kentei_s03_0123
scaled dot-product attentionのスケーリング理由を理解する。
Attention
問題ID g_kentei_s03_0124
Self-Attentionを説明できる。
Attention
問題ID g_kentei_s03_0125
Cross-Attentionを識別できる。
Attention
問題ID g_kentei_s03_0126
Multi-Head Attentionの意義を理解する。
Attention
問題ID g_kentei_s03_0127
causal maskの目的を説明できる。
Attention
問題ID g_kentei_s03_0128
AttentionとRNNの長距離依存を比較できる。
Attention
問題ID g_kentei_s03_0129
Attention重みの解釈を過大評価しない。
Attention
問題ID g_kentei_s03_0130
Attentionの計算特性を含めて適用判断できる。
オートエンコーダ
問題ID g_kentei_s03_0131
オートエンコーダの基本構造を説明できる。
オートエンコーダ
問題ID g_kentei_s03_0132
エンコーダとデコーダの役割を区別できる。
オートエンコーダ
問題ID g_kentei_s03_0133
ボトルネックの意味を理解する。
オートエンコーダ
問題ID g_kentei_s03_0134
再構成誤差の役割を理解する。
オートエンコーダ
問題ID g_kentei_s03_0135
Denoising Autoencoderの目的を理解する。
オートエンコーダ
問題ID g_kentei_s03_0136
Sparse Autoencoderを説明できる。
オートエンコーダ
問題ID g_kentei_s03_0137
オートエンコーダによる異常検知を理解する。
オートエンコーダ
問題ID g_kentei_s03_0138
PCAと非線形オートエンコーダを比較できる。
オートエンコーダ
問題ID g_kentei_s03_0139
過完備オートエンコーダの課題を理解する。
オートエンコーダ
問題ID g_kentei_s03_0140
VAEとの違いを基礎的に区別できる。
データ拡張
問題ID g_kentei_s03_0141
データ拡張の目的を説明できる。
データ拡張
問題ID g_kentei_s03_0142
ラベル保存変換を理解する。
データ拡張
問題ID g_kentei_s03_0143
データ拡張を訓練・評価で分離できる。
データ拡張
問題ID g_kentei_s03_0144
画像拡張の例を識別できる。
データ拡張
問題ID g_kentei_s03_0145
不適切な拡張を判断できる。
データ拡張
問題ID g_kentei_s03_0146
Mixupの考え方を理解する。
データ拡張
問題ID g_kentei_s03_0147
データ拡張とクラス不均衡対策の関係を理解する。
データ拡張
問題ID g_kentei_s03_0148
データリークを避けた拡張を設計できる。
データ拡張
問題ID g_kentei_s03_0149
拡張強度と分布シフトの関係を理解する。
データ拡張
問題ID g_kentei_s03_0150
データ拡張と生成データ利用を区別して判断できる。