꿈라CBT딥러닝에 대한 설명으로 가장 적절하지 않은 것은?
- 1이미지·음성·자연어와 같은 비정형 데이터에서 특징을 스스로 학습할 수 있다는 강점이 있다.
- 2은닉층에 활성화 함수가 없으면 층을 아무리 쌓아도 결국 하나의 선형변환과 같아져 복잡한 비선형 관계를 학습할 수 없다.
- 3모형의 파라미터 수가 매우 많더라도 과적합 위험은 거의 없으므로, 드롭아웃이나 가중치 규제 같은 기법은 사용할 필요가 없다.
- 4배치 정규화는 각 층에 들어가는 입력의 분포를 안정시켜 기울기 소실을 완화하고 학습 속도를 높여 준다.