問題 No.94
ディープラーニングの学習において、ネットワークが深くなると、出力層に近い部分での誤差（修正情報）をコーザル（過去）の層へ遡って伝播させていく過程で、傾き（勾配）の値が途中で極端に小さくなり、入力層に近い層のパラメータが全く更新されなくなってしまう致命的な現象を何というか。
【正解の解説】
勾配消失
勾配消失は、ネットワークが深くなるほど誤差の情報が小さくなり、入力層に近い層まで情報が届かず、学習が進まなくなる現象です。
スポンサーリンク
【その他の選択肢の解説】
勾配爆発
勾配爆発は、誤差を伝播させる際に傾きの値が逆にどんどん大きくなってしまい、計算が破綻してしまう現象です。
次元の呪い
次元の呪いは、データの特徴（次元）が増えるほど、必要なデータ量が指数関数的に増えてしまい、学習が困難になる現象です。
過学習
過学習は、訓練データだけに過剰に最適化してしまい、新しい未知のデータに対する予測能力が低下してしまう現象です。