합성곱 신경망과 순환 신경망(RNN, Recurrent Neural N… | [7급 국가직 인공지능] 24년 1회차 기출문제 상세 페이지
1[7급 국가직 인공지능] 24년 1회차
합성곱 신경망과 순환 신경망(RNN, Recurrent Neural Network)에 대한 설명으로 옳지 않은 것은?
1
순환 신경망은 기울기 소멸(vanishing gradient) 문제가 심각하게 발생하지 않는 장점이 있다.
2
순환 신경망에서는 일반적으로 하이퍼볼릭 탄젠트(hyperbolic tangent) 함수(tanh())를 활성화 함수로 사용한다.
3
합성곱 신경망은 특징 추출을 담당하는 합성곱층과 분류를 담당하는 전결합층을 포함하는 다층 퍼셉트론 모델의 한 종류이다.
4
합성곱 신경망은 필터로 특징을 추출하고 풀링을 이용하여 입력의 변화에 강건한(robust) 방식으로 사물을 분류한다.
해설
옳지 않은 것은 순환 신경망이 기울기 소멸 문제가 심각하지 않다는 설명이다.
RNN은 같은 가중치를 시간 단계마다 반복 곱하며 역전파하므로 서열이 길수록 기울기 소멸이 심각하다. 이를 완화하려고 LSTM·GRU가 고안되었다.
- RNN의 활성화 함수로는 일반적으로 tanh를 사용한다.
- CNN은 특징 추출용 합성곱층과 분류용 전결합층을 포함하는 다층 신경망의 한 종류이다.
- CNN은 필터로 특징을 추출하고 풀링으로 위치 변화 등에 강건하게 분류한다.
오류나 개정된 내용이 보이면 알려주세요