平成30年度 III-10

解説

この問題で問われていること

ディープラーニングの高速化手法と、CNN・強化学習・応用分野についての正確な理解を問う問題。

解き方

① ディープラーニングは行列演算が中心で並列化しやすく、GPU・分散学習・低いビット精度で高速化できる
② ①CNNで加わるのは畳み込み層とプーリング層、③強化学習は教師あり学習ではない、④ビット演算だけで作れるものではない、⑤物体検出やセグメンテーションでも効果がある
③ ②

正解が正しい理由

ディープラーニングは、行列演算が中心で並列化に向くため、GPUの利用、複数の計算機による分散学習、ビット精度の削減(低精度演算)などによって、高速化を実現できる。したがって②が最も適切である。

各選択肢について

• ① CNNは全結合層ネットワークに畳み込み層とプーリング層が新たに加わったもので、活性化関数(ReLU等)は全結合層でも用いられ、シグモイド関数が新たに加わるのではない。
• ② GPU、分散学習、ビット精度の削減などで、ディープラーニングの高速化を実現できる。これが正答。
• ③ 強化学習は、試行錯誤を通じて、報酬を最大化する行動を学ぶ手法で、教師あり学習ではなく、教師なし学習・教師あり学習とは別の枠組み(または、教師なし学習に近い)として分類される。
• ④ 畳み込み層とプーリング層の演算は、画素値に対する積和演算や、最大値(平均値)の選択などで、ビット演算子だけで簡単に実装できるものではない。
• ⑤ ディープラーニングは、物体認識だけでなく、物体検出やセグメンテーションでも、高い効果を発揮している。

覚えるべきポイント

ディープラーニングの高速化: GPU・専用ハードウェア、分散学習、低精度演算(量子化)。CNNは畳み込み層とプーリング層を持ち、画像認識・物体検出・セグメンテーションなどで成果を上げている。