科目A問91
AIに利用されるニューラルネットワークにおける活性化関数に関する記述として適切なものはどれか。
| ニューラルネットワークから得られた結果を基に計算し，結果の信頼度を出力する。 | |
| 入力層と出力層のニューロンの数を基に計算し，中間層に必要なニューロンの数を出力する。 | |
| ニューロンの接続構成を基に計算し，最適なニューロンの数を出力する。 | |
| 一つのニューロンにおいて，入力された値を基に計算し，次のニューロンに渡す値を出力する。 |
『情報処理過去問.com』からiPhoneアプリがリリースされました！！
正解
- エ
解説
ニューラルネットワークでは、各ニューロンは入力値に重みを掛けて足し合わせた値を出しますが、そのままでは線形（直線的）な変換にしかなりません。層を重ねても線形変換の合成にとどまり、画像認識や音声認識のような複雑なパターンを表現できません。
この課題を解決するために用いられるのが活性化関数であり、ニューロンの出力に非線形性を与えることで、ネットワーク全体が複雑な関係を学習できるようにします。代表例としてReLU関数、シグモイド関数、ソフトマックス関数などがあります。
この課題を解決するために用いられるのが活性化関数であり、ニューロンの出力に非線形性を与えることで、ネットワーク全体が複雑な関係を学習できるようにします。代表例としてReLU関数、シグモイド関数、ソフトマックス関数などがあります。
| ア. | ニューラルネットワークから得られた結果を基に計算し，結果の信頼度を出力する。 |
| 評価関数に関する記述です。 | |
| イ. | 入力層と出力層のニューロンの数を基に計算し，中間層に必要なニューロンの数を出力する。 |
| 隠れ層設計のヒューリスティクスに関する誤った説明です。 | |
| ウ. | ニューロンの接続構成を基に計算し，最適なニューロンの数を出力する。 |
| ネットワーク構造探索に関する誤った説明です。 | |
| エ. | 一つのニューロンにおいて，入力された値を基に計算し，次のニューロンに渡す値を出力する。 |
| 活性化関数の説明です。 |