Adamの考え方
最適化手法 Adam の説明として、最も適切なものを1つ選べ。
- A
過去の勾配の二乗をすべて足し合わせて学習率を調整するため、学習が進むにつれて学習率が小さくなり続ける。
- B
勾配の移動平均と、勾配の二乗の移動平均の両方を使って、パラメータごとに更新の大きさを調整する。
- C
ランダムに選んだデータで求めた勾配に、一定の学習率を掛けてパラメータを更新する。
- D
2階微分（ヘッセ行列）を使って、最小値の位置を直接求める。
正解と解説を見る
正解：B
Adam はモーメンタムと RMSprop を組み合わせた最適化手法で、広く使われている。
- A
誤り。これは AdaGrad の説明。学習率が小さくなりすぎる問題を改善したのが RMSprop。
- B
正しい。Adam は、モーメンタムの考え方（勾配の移動平均）と RMSprop の考え方（勾配の二乗の移動平均）を組み合わせた手法。
- C
誤り。これは確率的勾配降下法（SGD）の説明。
- D
誤り。これはニュートン法の考え方。パラメータの多いディープラーニングでは計算量が大きすぎるため、あまり使われない。
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。