HOME
JDLA E資格 (エンジニア)

「JDLA E資格 (エンジニア)」の記事一覧

Seq2Seqモデルが最もよく利用されるタスクはどれか。

入力された系列（文章など）をエンコードし、別の系列（翻訳文など）にデコードするタスクに適している。

2026年3月13日

「Dilated Convolution（空洞畳み込み）」の主なメリットはどれか。

カーネルの要素間に隙間を空けることで、広い範囲の情報を一度に取り込むことができ、セグメンテーション…

2026年3月13日

「Transposed Convolution（転置畳み込み）」はどのような操作に使われるか。

通常の畳み込みの逆操作のように振る舞い、低解像度の特徴マップを高解像度に戻す際（例：GANやセグメンテ…

2026年3月13日

多層パーセプトロンにおいて、層を増やすことの主な利点は何か。

深い層を持つことで、単純な特徴を組み合わせて、より高度な概念やパターンを階層的に学習できる（表現力…

2026年3月13日

学習時のバッチサイズを極端に大きくした場合に懸念される現象はどれか。

バッチサイズが大きいと勾配のノイズが減りすぎて鋭い最小値に収束しやすくなり、未知のデータに対する性…

2026年3月13日

オートエンコーダの構造的な特徴はどれか。

入力を潜在空間に圧縮（エンコード）し、それを復元（デコード）する構造のため、入出力の次元は一致する。

2026年3月13日

ソフトマックス関数の出力値の総和は常にいくつになるか。

ソフトマックス関数は出力を確率分布として扱えるように正規化するため、すべてのクラスの確率を足すと1に…

2026年3月13日

2クラス分類において、出力層の活性化関数にシグモイド関数を用いた場合の損失関数はどれか。

2値分類（0か1か）の確率評価には、バイナリ交差エントロピー（対数損失）が最適化に適している。

2026年3月13日

RMSProp最適化手法が解決しようとした課題はどれか。

RMSPropは過去の勾配の二乗の指数移動平均を用いることで、学習率の急激な減衰を防ぎつつ適応的に調整する…

2026年3月13日

「早期終了（Early Stopping）」を行う基準となるデータはどれか。

学習データへの誤差は減り続けても、検証データへの誤差が下がらなくなった（上がり始めた）時点で学習を…

2026年3月13日