G検定 用語解説
LSTM／GRUとは
RNNを改良し長い系列でも情報を保持しやすくしたモデル。LSTMは3ゲート、GRUは2ゲートに簡略化。
まず押さえる結論
LSTM／GRUは、G検定の「大項目5 ディープラーニングの要素技術」で確認しておきたい用語です。 定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
- CNN（画像・畳み込み/プーリング）とRNN（時系列・系列データ）の使い分け。
- LSTMとGRUのゲート数の混同（LSTM＝3ゲート＋記憶セル、GRU＝2ゲートに簡略化）。
- 最適化手法の取り違え（モメンタム＝慣性、AdaGrad/RMSProp＝適応学習率、Adam＝両方）。GAN・VAE・拡散モデルの生成方式の違い。
関連する確認問題
大項目5 ディープラーニングの要素技術 / 生成モデルと注意機構
再帰や畳み込みの構造を用いず、系列内の各要素が互いにどれだけ関連するかを表す重みを計算する注意の仕組みを全面的に採用した、系列データを扱う多くのタスクで主流となったモデルはどれか。
再帰や畳み込みを用いず、系列内の要素同士の関連度（自己注意）を計算して情報を重み付けするのはTransformer。LSTM・GRU・双方向RNNはいずれも再帰構造を基礎とする手法であり、注意機構を全面的に採用したモデルではない。
同じ章で確認したい用語
到達チェック
- LSTM／GRUを一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、LSTM／GRUに関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる