問題 No.1210
ディープラーニングの学習において、各層の入力データの分布が、前の層のパラメータ更新によって学習の途中で刻々と変化してしまう現象を防ぎたい。ミニバッチごとにデータの平均を0、分散を1に揃えることで、学習速度を大幅に向上させ、初期値への依存性を減らす手法はどれか。
【正解の解説】
バッチ正規化
バッチ正規化は、学習の途中で各層のデータのばらつきを一定に整える手法です。データの分布を安定させることで、学習がスムーズに進み、速度が向上しやすくなります。
スポンサーリンク
【その他の選択肢の解説】
ドロップアウト
ドロップアウトは、学習中にランダムでニューロンを無効にしながら学習させる手法です。特定のデータに依存しすぎることを防ぎ、モデルの汎用性を高めるために使われます。
データ拡張
データオーグメンテーションは、元の画像を回転させたり拡大したりして、学習データを人工的に増やす手法です。少ないデータでもモデルが多様なパターンを学習できるように工夫します。
スロープクリッピング
スロープクリッピングは、学習の際に勾配（傾き）の値が大きくなりすぎないよう、一定範囲に制限する手法です。計算が不安定になるのを防ぎ、学習を安定させます。