畳み込みニューラルネットワーク(CNN)の基本的特徴

CNNは「近接する画素同士の相関が高い(局所結合)」ことと、「特徴は画像内のどの位置に現れても同じ特徴である(重み共有による平行移動等分散性)」という画像の空間的対称性をモデル構造に組み込んでいます。 ア:正解です。局所受容野による空間構造の保持と、重み共有によるパラメータ数の劇的削減がCNNの強みです。 イ:誤りです。全結合は位置構造を無視しパラメータが膨大になります。 ウ:誤りです。再帰ループはRNNの特徴です。 エ:誤りです。CNNは非線形活性化関数を多用します。

CNN(畳み込みニューラルネットワーク)が画像処理において全結合層よりも圧倒的に優れている理由として挙げられる2大特徴(帰納バイアス)の組み合わせとして、最も適切なものを1つ選択してください。

出典G検定オリジナル模擬試験
ア
局所結合(受容野が局所的であること)と、重み共有(同じカーネルを画像全体にスライド走査すること)
イ
全結合と、ドロップアウトの常時適用
ウ
再帰的ループ構造と、動的メモリの割り当て
エ
非線形関数の完全排除と、解析的逆行列計算