人工ニューラルネットワークの学習過程で各層の重みを出力層側からたどって調整する方…
人工ニューラルネットワークの学習過程で各層の重みを出力層側からたどって調整する方法はどれか。
- ⑴ 線形判別分析クラス間の分離が最大になる軸を求める古典的な統計手法で、層や重みの逆伝播という概念はありません。
- ⑵ ランダムフォレスト多数の決定木の多数決で判定するアンサンブル手法です。木の分岐を作る学習であり、重みの逆伝播は行いません。
- ⑶ ロジスティック回帰確率を出力する回帰モデルで、係数は最尤法などで推定します。多層構造をさかのぼる更新は行いません。
- ⑷ サポートベクターマシンマージンが最大になる境界面を求める手法で、二次計画問題として解きます。層をたどる重み更新ではありません。
- ⑸ バックプロパゲーション出力層で求めた誤差を入力層側へさかのぼらせ、連鎖律で各層の重みの勾配を求めて更新する方法です。
解説
正解は⑸です。バックプロパゲーション（誤差逆伝播法）は、人工ニューラルネットワークの出力と正解との誤差を出力層から入力層へ向かって順にさかのぼり、連鎖律を使って各層の重みが誤差にどれだけ寄与しているかを計算して、その勾配に沿って重みを修正していく学習アルゴリズムです。多層のネットワークを現実的な計算量で学習できるようにした手法で、深層学習の基礎になっています。他の選択肢はいずれも機械学習の手法ではありますが、層構造の重みを逆向きにたどって更新するという仕組みをもつものではありません。
出典：厚生労働省ホームページ（https://www.mhlw.go.jp/seisakunitsuite/bunya/kenkou_iryou/iryou/topics/tp260424-06.html）を加工して作成