【E資格】リカレントニューラルネットワーク(RNN)｜順伝播・BPTT・双方向RNNを解説
2026年7月7日
系列データを扱うための基本アーキテクチャであるRNNを学ぶ項目です。隠れ状態を再帰的に更新する順伝播、時間方向に展開して勾配を流すBPTT、系列の前後両方向の文脈を使う双方向RNNを理解します。
【E資格】畳み込みニューラルネットワーク(CNN)徹底解説｜フィルタ・パディング・ストライド・プーリング
2026年7月7日
画像認識をはじめ空間構造を持つデータの標準アーキテクチャであるCNNを学ぶ項目です。畳み込み演算の基本要素、効率化のための特別な畳み込み、プーリングまでを一気に整理します。
【E資格】陰的正則化とは｜早期終了・バッチサイズ・学習率の調整が汎化に効く理由
2026年7月7日
損失関数にペナルティ項を加えなくても、学習の止め方や学習の設定そのものが正則化として働くことを学ぶ項目です。早期終了、バッチサイズ、学習率の調整という3つの要素が汎化性能に与える影響を理解します。
【E資格】確率的削除による正則化｜ドロップアウトとドロップコネクトの違い
2026年7月7日
学習中にネットワークの一部をランダムに無効化することで過剰適合を防ぐ正則化手法を学ぶ項目です。ユニットを削除するドロップアウトと、結合(重み)を削除するドロップコネクトの仕組みと違いを理解します。
【E資格】パラメータノルムペナルティー｜L1正則化・L2正則化とweight decay
2026年7月6日
損失関数に重みの大きさ(ノルム)に応じたペナルティ項を加えることで過剰適合を抑える正則化手法を学ぶ項目です。L1正則化とL2正則化の効き方の違い、およびweight decayとの関係を理解します。