技術分野
④ ディープラーニングの要素技術
G検定シラバス2024の「ディープラーニングの要素技術」に含まれる全60用語を、シラバスに沿って要点を絞って解説します。NEW はシラバス2024で新たに追加されたキーワードです。
読み込み中…
🔗 個別ページにある「📘 もっと深く学ぶ」はE資格レベルの発展解説への案内です。G検定対策としては、この章の説明と個別ページの内容で十分です。
📖 各カードの「くわしく見る」から、その用語だけを掘り下げた解説ページへ移動できます。仕組み・混同しやすい用語との違い・よくある誤りの選択肢まで載せています。
17. 全結合層
18. 畳み込み層
Atrous Convolution
フィルタの目を粗くして、パラメータを増やさずに広い範囲を見られるようにする畳み込みです。
試験のポイントAtrous Convolution と同義
Depthwise Separable Convolution
畳み込みを2段階に分けることで、計算量を大きく減らす手法です。
試験のポイントMobileNetで使われる
Dilated Convolution
フィルタの目を粗くして、パラメータを増やさずに広い範囲を見られるようにする畳み込みです。
試験のポイントAtrous Convolution と同義
畳み込みニューラルネットワーク (CNN)
畳み込み層とプーリング層を重ねて画像の特徴を学ぶ、画像認識の標準モデルです。
試験のポイントネオコグニトロン → LeNet という系譜
19. 正規化層
20. プーリング層
グローバルアベレージプーリング (GAP)
特徴マップ1枚をまるごと平均して1つの数値にする手法。全結合層の代わりに使えます。
試験のポイント過学習の防止に有効
21. スキップ結合
22. 回帰結合層
勾配消失問題
層をさかのぼるほど勾配が小さくなり、入力層側がほとんど学習されなくなる現象です。
試験のポイントシグモイド・tanhで起きやすく、ReLUで緩和される
双方向 RNN (Bidirectional RNN)
系列を前からと後ろからの両方向で処理し、前後の文脈を使えるようにしたRNNです。
試験のポイント計算コストは約2倍
リカレントニューラルネットワーク (RNN)
前の時刻の状態を引き継ぎながら系列を処理していくニューラルネットワークです。
試験のポイント長期依存が苦手（勾配消失）→ LSTM・GRUへ
23. Attention
Attention
入力のどこに注目すべきかを重みとして計算し、必要な情報だけを取り出す仕組みです。
試験のポイント固定長ベクトルへの圧縮というSeq2Seqの弱点を解決
Multi-Head Attention
複数の「視点」で同時にAttentionを計算し、結果をまとめる仕組みです。
試験のポイント各ヘッドは異なる線形変換のQ・K・Vを使う
Source-Target Attention
出力側が入力側を参照するタイプのAttention。翻訳などで使われます。
試験のポイント異なる系列の間（Source と Target）で計算
Transformer
Self-Attentionを中心に作られたモデル。今の大規模言語モデルの土台です。
試験のポイント並列計算が可能で学習効率が高い
バリュー（Value）
Attentionで実際に取り出される「中身」にあたるベクトルです。
試験のポイントQuery・Keyは「どこを見るか」、Valueは「何を取るか」
24. オートエンコーダ
VQ-VAE / info VAE / β-VAE
VAEを改良した3つのモデル。それぞれ潜在変数の扱い方に工夫があります。
試験のポイントβ-VAE＝独立性（disentanglement）の促進
積層オートエンコーダ
オートエンコーダを積み重ね、1層ずつ順番に学習させてから全体を仕上げる手法です。
試験のポイント現在は必須ではない（ReLU・正規化・スキップ結合の登場）
変分オートエンコーダ (VAE)
潜在空間を確率分布として学習することで、新しいデータを作り出せるオートエンコーダです。
試験のポイント損失は再構成誤差＋KLダイバージェンス
25. データ拡張
paraphrasing
意味を変えずに文を言い換えて、学習データのバリエーションを増やす手法です。
試験のポイント意味が変わらない保証が難しい点が課題
RandAugument
用意された拡張からランダムに選んで適用し、調整項目を2つに絞った手法です。
試験のポイント調整するのはN（変換数）とM（強度）の2つ
G検定 実践模試 2026（全145問）
本番と同じ形式・分量で演習できるオリジナル模試です。図解つきの詳細解説で、覚えた用語を「解ける知識」に変えます。
詳細を見る →ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。