AI資格 模擬試験

G検定 模擬問題 第2回 問47・ディープラーニングの概要（最適化手法）

局所最適解と鞍点

1. A

   勾配が0に近い局所最適解や鞍点にはまると、本当の最小値（大域最適解）にたどり着く前に学習が止まってしまうことがある。

2. B

   勾配降下法は、どんな問題でも必ず大域最適解にたどり着く。

3. C

   鞍点では、勾配が非常に大きくなる。

4. D

   局所最適解は、学習データを増やすと必ずなくなる。

正解と解説を見る

正解：A

勾配降下法は、局所最適解や鞍点にはまって学習が止まることがある。

勾配降下法は損失の坂を下る。1次元では局所最適解で止まりうる。多次元では、ある方向は谷・別の方向は山になる鞍点で勾配が0になり、進みにくくなる。

• A

  正しい。モーメンタムや、ミニバッチによるゆらぎ、学習率の工夫などで抜け出しやすくする。

• B

  誤り。ニューラルネットワークの誤差関数は複雑で、必ず大域最適解にたどり着けるとは限らない。

• C

  誤り。鞍点では勾配が0になる。

• D

  誤り。データを増やしても、局所最適解がなくなるとは限らない。

学習のポイント：局所最適解・大域最適解・鞍点・プラトーの意味を押さえる。

問題一覧へ

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。