活性化関数がない場合
E社の開発者が、ニューラルネットワークの中間層に活性化関数を入れず、入力をそのまま次の層へ渡す構成で試作した。このとき起きることの説明として、最も適切なものを1つ選べ。
- A
層を何層重ねても、全体は1回の線形変換と同じになる。そのため、複雑な非線形の関係を表せなくなる。
- B
出力の合計が1になる確率の形にならないので、分類問題にはまったく使えなくなる。
- C
予測と正解の差をもとに重みを更新する計算ができなくなる。そのため、学習そのものが始まらない。
- D
入力データの特徴量を人が設計しなければならなくなり、ルールベースと同じ仕組みになる。
正解と解説を見る
正解:A
活性化関数は、各層の出力に非線形性を与える。これがないと、多層のネットワークでも1層の線形モデルと同じ表現力しか持てない。
- A
正しい。線形変換を何回重ねても結果は線形変換のままなので、層を深くする意味がなくなる。活性化関数は、ネットワークに非線形性を与えるために入れる。
- B
誤り。出力を確率の形にするのは、出力層のソフトマックス関数などの役割。中間層の活性化関数の主な役割とは違う。
- C
誤り。線形の層でも、誤差から勾配を計算して重みを更新することはできる。問題は、表現できる関係が線形に限られること。
- D
誤り。活性化関数がなくても、重みはデータから学習される。人が規則を書くルールベースになるわけではない。
このサイトの問題は、各試験の公開されているシラバスに沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。日本ディープラーニング協会(JDLA)・一般社団法人生成AI活用普及協会(GUGA)の公式サービスではありません。