$30 off During Our Annual Pro Sale. View Details »
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
第0回ディープラーニング勉強会(演習問題、訂正)
Search
iwanaga
August 19, 2021
Technology
0
430
第0回ディープラーニング勉強会(演習問題、訂正)
iwanaga
August 19, 2021
Tweet
Share
More Decks by iwanaga
See All by iwanaga
第2回ディープラーニング勉強会~画像処理編~
ganchan11
0
300
第1回ディープラーニング勉強会~画像処理編~
ganchan11
0
260
第0回ディープラーニング勉強会~画像処理編~資料
ganchan11
1
770
第3回python勉強会(解答)
ganchan11
0
340
第3回python勉強会~基礎編~
ganchan11
0
470
第2回python勉強会(解答編)
ganchan11
0
420
第2回python勉強会~基礎編~
ganchan11
0
600
第1回python勉強会~インストール編~
ganchan11
0
660
Other Decks in Technology
See All in Technology
Microsoft Agent 365 を 30 分でなんとなく理解する
skmkzyk
1
1k
安いGPUレンタルサービスについて
aratako
2
2.7k
Noを伝える技術2025: 爆速合意形成のためのNICOフレームワーク速習 #pmconf2025
aki_iinuma
2
2.1k
日本Rubyの会の構造と実行とあと何か / hokurikurk01
takahashim
4
960
意外とあった SQL Server 関連アップデート + Database Savings Plans
stknohg
PRO
0
300
eBPFとwaruiBPF
sat
PRO
4
2.5k
ChatGPTで論⽂は読めるのか
spatial_ai_network
0
510
学習データって増やせばいいんですか?
ftakahashi
1
270
Uncertainty in the LLM era - Science, more than scale
gaelvaroquaux
0
810
第4回 「メタデータ通り」 リアル開催
datayokocho
0
120
RAG/Agent開発のアップデートまとめ
taka0709
0
150
AWS re:Invent 2025で見たGrafana最新機能の紹介
hamadakoji
0
140
Featured
See All Featured
A Tale of Four Properties
chriscoyier
162
23k
Design and Strategy: How to Deal with People Who Don’t "Get" Design
morganepeng
132
19k
Understanding Cognitive Biases in Performance Measurement
bluesmoon
32
2.7k
Balancing Empowerment & Direction
lara
5
790
Designing for Performance
lara
610
69k
個人開発の失敗を避けるイケてる考え方 / tips for indie hackers
panda_program
122
21k
How to Think Like a Performance Engineer
csswizardry
28
2.4k
Let's Do A Bunch of Simple Stuff to Make Websites Faster
chriscoyier
508
140k
CSS Pre-Processors: Stylus, Less & Sass
bermonpainter
359
30k
How to Ace a Technical Interview
jacobian
280
24k
Improving Core Web Vitals using Speculation Rules API
sergeychernyshev
21
1.3k
Designing for humans not robots
tammielis
254
26k
Transcript
~画像処理編~ (問題と資料の訂正)
§ P61 BatchNormalization層(バッチ正規化バッチ層) → BatchNormalization層(バッチ正規化層) § P66異常検知の説明 推論時にその 政情から〜→推論時にその 正常から〜
§ P69 ORC→OCR ※それ以外に間違いを発見されましたらイベント主催者(岩永拓也)にご報告お願いしま す。
§ 問1 例題:入力をA=4、B=2、C=5、重みを𝑤! =0.1、 𝑤" =0.7 、 𝑤# =0.2、閾値を th=3とし
たとき返ってくる値はいくら?
§ 問2 次の図で①〜③で当てはまる単語とを答えなさい。 ① ③ ② ②
問3 (1)次の学習方法の表に当てはまる言葉を選びなさい。 1 2 3 4 5 6 11 10
12 a1 13 14 15 a2 a3 A 7 8 9
(2) 順伝搬→差分計算→誤差逆伝播の繰り返す回数であるAを答えなさい。また、nを データ数とした時、Aとステップの式を答えなさい。 (1)選択肢 {1データ毎、バッチサイズ分のデータ、全データで一括、小さい、バッチサイズに依 存、大きい、可能、不可能、長い、不安定、短い、安定}
§ 問1 計算するとX = 4×0.1 + 2×0.7 + 5×0.2 =
2.8 よってX < thより0が出力 § 問2 スライド20、22を見てください。 § 問3 (1)(2)勉強会のスライド33を見てください。