単純パーセプトロンと多層パーセプトロンに関する説明として、最も不適切なものを1つ選べ。
正解と解説を見る
解説
正解 C
この問題の論点：隠れ層と非線形性の役割
ポイント
層を重ねて表現力を高めるには、隠れ層に非線形の活性化関数が必要です。線形のままでは何層重ねても線形モデルと同じです。
選択肢ごとの解説
- A
適切
単純パーセプトロンは入力の重み付き和をしきい値で判定するため、決定境界は1本の直線（高次元では超平面）になります。そのため、扱えるのは線形分離可能な問題に限られます。
- B
適切
隠れ層のユニットが入力を非線形に変換すると、元の空間では1本の直線で分けられないXORも、変換後の空間では分けられるようになります。これが単純パーセプトロンの限界を克服する仕組みです。
- C
不適切 正解
線形変換は何回重ねても、全体を1回の線形変換にまとめられます。活性化関数が線形のままでは、層を増やしても表現力は線形モデルと変わりません。非線形の活性化関数が必要です。
- D
適切
誤差逆伝播法は、出力の誤差を連鎖律で入力層側へ伝え、各層の重みの勾配を効率よく求める方法です。これにより、隠れ層を持つネットワークの学習が実用的になりました。
試験での狙われ方
XORを例に、単純パーセプトロンの限界と隠れ層の役割を結びつけて問う形がよく見られます。
参考
- G検定 試験出題範囲（シラバス2024）第1.4版 （技術分野 項目11 ニューラルネットワークとディープラーニング）
- Rosenblatt, The perceptron: A probabilistic model for information storage and organization in the brain (1958)
- Rumelhart, Hinton, Williams, Learning representations by back-propagating errors (1986)
- Goodfellow, Bengio, Courville, Deep Learning (2016) （6.1 Example: Learning XOR）