Now Loading...

Now Loading...

バッチ正規化

バッチ正規化

バッチ正規化とは、モデルの学習の際にミニバッチを平均0、標準偏差が1となるように正規化を行うことで学習を効率的に行う手法です。

ミニバッチはランダムに選ばれるため、特徴量のスケールが異なることがあり、これにより学習が安定しなくなります。この特徴量のスケールを一定にすることにより、ミニバッチの選出による影響をモデルの学習が受けづらくなります。

クイズ

以下の文章を読み、空欄(ア)に最もよく当てはまる選択肢を1つ選べ。 高い表現力を持つニューラルネットワークは訓練データでの正解率のみ高くなってしまい、汎用性がなくなってしまう過学習を起こしやすいという性質をもっている。現在、過学習のさまざまな対策が提案されている。例えば、一部の層の出力を正規化する(ア)がある。
  • 正解を見る
  • 解説を見る
    2、データ全体を調整する処理を正規化といい、各層に伝わってきたデータを再び正規化する手法をバッチ正規化といいます。 バッチ正規化を行うことにより、過学習が起きにくくなる、重みの初期値に対する依存性を下げる効果が期待できる、学習率の大きな値に設定しても学習がうまくいきやすくなったりするなど、さまざまなメリットがあります。 (参考: G検定公式テキスト 第2版 第5章 5-6 P188-189) (参考: G検定公式テキスト 第1版 P149)

人工知能基礎講座を提供中

人工知能の第一人者である東京大学の松尾豊教授が監修した人工知能基礎講座を受講してみませんか? 人工知能の歴史から自然言語処理、機械学習、深層学習といった最先端のトピックやAIに関わる法律問題まで網羅しているので全てのビジネスパーソン・AIの初学者におすすめです。

サンプル動画

人工知能基礎講座はこちら↓ zero to one G検定 人工知能基礎 jdla

AIエンジニアを目指すならE資格

日本ディープラーニング協会の実施するE資格の受験に必要となるE資格認定プログラムを割引価格で提供中です。最短合格を目指す方向けのスピードパッケージを70,000円で提供中。(一発合格で33,000円のキャッシュバックキャンペーンも実施中です) zero to one E資格 jdla

AI初学者・ビジネスパーソン向けのG検定対策講座

G検定受験前にトレーニングしたい方向けの問題集「G検定実践トレーニング」も提供中です。 zero to one E資格 jdla