Leaky ReLUの特徴に関する問題
問題
Leaky ReLUに関する以下の記述のうち誤りを1つ選べ。
解説
Leaky ReLU(Leaky Rectified Linear Unit)は、ReLU関数の弱点である「Dying ReLU(入力が負の場合、出力も微分値も完全に0になり、そのニューロンの学習が永遠に止まってしまう問題)」を克服するために考案された活性化関数です。
入力が負の場合でも「0.01倍」などの非常に小さな傾き(漏れ:Leak)を持たせることで、微小ながらも勾配を逆伝播させ、ニューロンが死ぬのを防ぎます。
1. Leaky ReLUは負の入力でも小さな傾きを持たせることで勾配を残す。
正しい:負の領域において「完全な0」ではなく、「わずかな傾き(例:$y = 0.01x$)」を持たせることで、誤差逆伝播の際に勾配が消失しないように設計されています。
2. Leaky ReLUはDead ReLU問題を軽減するために考案された。
正しい:重みの更新がうまくいかず、常に負の値を出力するようになってしまったニューロンが学習できなくなる「Dying ReLU(Dead ReLU)」問題を軽減する目的で作られました。
3. Leaky ReLUは負の入力を必ず0にするため、勾配が流れない。
誤り:負の入力を必ず0にするのは「通常のReLU」です。Leaky ReLUは負の入力に対しても小さな値(負の値)を出力し、勾配を残します。
4. Leaky ReLUはReLUよりも表現力が高くなる場合がある。
正しい:負の領域の情報も完全に捨てずに次の層へ伝播させるため、タスクによっては通常のReLUよりも高い表現力(精度)を発揮する場合があります。
📚 より詳細を学びたい方へ
同じカテゴリの問題
- 過学習(Overfitting)の理解
- AUCの理解
- 単純パーセプトロンの限界に関する問題
- 多層パーセプトロン(MLP)の特徴
- GPUとCPUの違いに関する理解
- ディープラーニングの学習データ量に関する理解
- ニューラルネットワークの層構造に関する問題
- 活性化関数の役割に関する理解
- シグモイド関数の特徴に関する問題
- ReLU関数の利点と注意点
- Leaky ReLUの特徴に関する問題
- ソフトマックス関数の理解
- 誤差関数の基本的な役割に関する理解
- 平均二乗誤差(MSE)の特徴
- 交差エントロピーの性質に関する理解
- KLダイバージェンス(カルバック・ライブラー情報量)の理解
- Contrastive Loss(コントラスト損失)の理解
- Triplet Loss(トリプレット損失)の特徴
- 正則化の目的に関する理解
- L1正則化(ラッソ回帰)の特徴
- L2正則化(リッジ回帰)の性質
- ドロップアウトの仕組みと目的
- L0・L1・L2正則化の違いに関する理解
- 誤差逆伝播法の基本原理に関する理解
- 連鎖律(チェーンルール)の役割
- 勾配爆発問題の原因に関する理解
- 勾配降下法の基本原理に関する理解
- 学習率(Learning Rate)の特徴
- 確率的勾配降下法(SGD)の性質
- バッチ学習・ミニバッチ学習・オンライン学習の違い
- 局所最適解と大域最適解の理解
- 早期終了(Early Stopping)の目的
- ハイパーパラメータの役割
- 最適化手法の課題と改善手法
- ミニバッチ学習の利点
- オンライン学習の特徴
- 学習率と収束の関係
- 二重降下現象の特徴
- モーメンタムの役割
- AdaGradの特徴
- RMSpropの改善点
- AdaDeltaの特徴
- Adamの理解
- AMSGradの特徴
- AdaBoundの理解
- AMSBoundの特徴
- グリッドサーチの特徴
- ランダムサーチの特徴


