最も適切な選択肢は：
④ ミニバッチ学習の際、各層において、チャンネルごとに特徴マップを正規化する。
解説：
バッチ正規化（Batch Normalization）とは：
・バッチ正規化（BatchNorm）は、ニューラルネットワークの学習を高速化し、勾配消失や勾配爆発を防ぐための正規化手法です。
・各ミニバッチ内のデータをチャンネル単位で平均と分散を計算し、正規化します。
・これにより、学習の安定性が向上し、学習速度が速くなります。 バッチ正規化の計算手順：
1.ミニバッチごとにチャンネルごとに正規化：
・各チャンネルごとに、ミニバッチ内のデータの平均と分散を計算。
・標準化：
2.スケーリングとシフト（γとβ）：
・正規化後のデータに学習可能なパラメータ（スケールγ、シフトβ）を適用。
各選択肢の評価：
① ミニバッチ学習の際、各層において、サンプルごとに特徴マップを正規化する。
・誤り：
バッチ正規化は、サンプル単位ではなく、ミニバッチ単位で行います。
② ミニバッチ学習の際、各層において、各サンプルのチャンネルごとに特徴マップを正規化する。
・誤り：
正規化は、サンプルごとではなく、ミニバッチ全体のチャンネルごとに行います。
③ ミニバッチ学習の際、各層において、複数チャンネルごとに特徴マップを正規化する。
・誤り：
チャンネルごとに正規化を行うため、「複数チャンネルごと」という表現は不適切です。
④ ミニバッチ学習の際、各層において、チャンネルごとに特徴マップを正規化する。
・正しい：
バッチ正規化は、各チャンネルごとに正規化を行い、バッチ全体のスケールを調整します。
