ある機械メーカーが、社内のさまざまなデータに畳み込みニューラルネットワーク(CNN)を使えないか検討している。畳み込み層の仕組みに照らして、CNNの使い方として最も不適切なものを1つ選べ。
1つ選んでください
正解と解説を見る
解説
正解B
ポイント
畳み込みは近くの値どうしが関係し、同じパターンが別の位置にも現れるデータに向き、列の順番に意味がない表データには向きません。
選択肢ごとの解説
- A
適切
振動の波形では、時間的に近い値どうしが関係し、同じ振動パターンが異なる時刻にも現れます。フィルタを時間方向にずらす1次元の畳み込みで、こうした局所的なパターンを捉えられます。
- B
不適切 ◯ 正解
表形式のデータは列の並び順に意味がなく、隣り合う列どうしが特に関係するとは限りません。局所的な結合と重みの共有という畳み込みの前提が成り立たないため、CNNの利点が生きません。
- C
適切
3次元画像では、縦横だけでなく奥行きの方向にも近い画素どうしが関係します。3次元の畳み込みを使えば、立体的な局所パターンを捉えられます。医用画像の解析などで使われる方法です。
- D
適切
スペクトログラムは、近い時刻・近い周波数の値どうしが関係する、画像に似たデータです。異音のパターンは発生する時刻を変えて繰り返し現れるため、フィルタを使い回す畳み込みが適しています。
試験での狙われ方
画像以外の音声・時系列・3次元データへのCNNの応用例と、畳み込みの前提が成り立たないデータを見分けさせる形で問われます。
関連用語
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18 畳み込み層） 2026年10月30日閲覧
- LeCun, Bottou, Bengio, Haffner, Gradient-Based Learning Applied to Document Recognition, Proceedings of the IEEE 86(11) (1998) 2026年10月30日閲覧