バッチ正規化のスケールとシフト
バッチ正規化で、ミニバッチごとに平均0・分散1にそろえたあと、さらに学習可能なパラメータ（γ・β）でスケールとシフトを行う理由として、最も適切なものを1つ選べ。
- A
ミニバッチのサイズを自動で決めるため
- B
推論時に重みを使わないようにするため
- C
正規化によってネットワークの表現力が下がるのを防ぎ、必要なら元の分布に戻せるようにするため
- D
学習データの数を増やすため
正解と解説を見る
正解：C
バッチ正規化は、平均0・分散1にそろえたあと、学習可能なγ（スケール）とβ（シフト）で調整して、表現力を保つ。
- A
誤り。γとβはミニバッチのサイズとは関係がない。
- B
誤り。推論時も使う。
- C
正しい。γとβを学習することで、各層の適切な分布をネットワークが選べる。
- D
誤り。データの数は変わらない。
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。