問91
頻出度★★☆
AIに利用されるニューラルネットワークにおける活性化関数に関する記述として, 適切なものはどれか。
令和5年度 ITパスポート試験 問91
テクノロジ系基礎理論 › 情報に関する理論
这道题的解析和你的作答记录。
解説
問 91
错误ア
「从网络整体的结果输出可信度」属于对模型输出的评估或确信程度的计算处理，而不是激活函数。激活函数承担的是各个神经元内部的数值变换，并不是计算网络整体结果可信度的函数。
错误イ
决定中间层（隐藏层）所需的神经元数量，是设计网络结构阶段的工作，而不是激活函数的作用。激活函数并不会输出神经元的数量。
错误ウ
根据神经元的连接结构输出最优的神经元数量，这是关于网络结构优化（设计与搜索）的说明，与激活函数是两回事。激活函数并不是通过计算连接结构来求出神经元数量的函数。
- エ
正解 激活函数是在构成神经网络的每一个神经元（节点）内部起作用的函数。每个神经元会把从上一层接收到的多个输入值乘以权重后相加，再让这个合计值通过激活函数来决定输出值，然后把它传递给下一层的神经元。Sigmoid 函数和 ReLU 等是其代表性例子，它们承担着根据输入「在多大程度上激发信号」进行非线性变换的作用。因此，描述为「在单个神经元中，基于输入的值进行计算，输出传递给下一个神经元的值」的选项エ是恰当的。
ここがポイント
- 激活函数是在各神经元内部接收「输入的加权合计」，并把它变换为输出值（传递给下一个神经元的值）的非线性函数（例如 Sigmoid 函数、ReLU）。
- 决定神经元的数量和层结构属于网络设计的范畴，应与激活函数的作用（神经元内部的数值变换）区分开来。
用語