SAM
損失が低いだけでなく、周囲も低い「平坦な」極小値を探すために、パラメータを少し摂動させた点での損失も最小化する最適化手法として、最も適切なものを1つ選べ。
- A
勾配クリッピング
- B
早期終了
- C
SAM（Sharpness-Aware Minimization）
- D
重みの初期化
正解と解説を見る
正解：C
SAMは、パラメータを最も損失が高くなる方向へ少し動かした点で、勾配を計算する。鋭い極小値を避け、汎化性能の向上を狙う。
- A
誤り。勾配の大きさに上限を設ける。
- B
誤り。学習を適切な時点で止める。
- C
正しい。平坦な極小値は、汎化しやすいとされる。
- D
誤り。初期値の決め方。
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。