| 980 |
ディープラーニングのモデルにおいて、入力層から出力層までの間に存在する層を【 】と呼ぶ。
|
解説
|
| 981 |
勾配降下法において、学習率を固定するのではなく、過去の勾配の蓄積を利用して学習率を各パラメータごとに自動調整する手法を【 】と呼ぶ。
|
解説
|
| 982 |
文章中の単語を固定次元の実数値ベクトルに変換し、単語の意味的近さを空間上の距離で表現する技術を【 】と呼ぶ。
|
解説
|
| 983 |
学習データの偏りによって生じる精度の低下を防ぐために、モデルの学習に用いるデータセットを訓練用、検証用、【 】用の3つに分割するのが一般的である。
|
解説
|
| 984 |
AIの開発において、著作物に表現された思想や感情の享受を目的としない「情報解析」等の行為は、著作権法第【 】条に基づき、著作権者の許諾なく利用できる。
|
解説
|
| 985 |
特定のタスクのみに特化したAIを指し、画像認識や囲碁AIなどの現在の技術を【 】と呼ぶ。
|
解説
|
| 986 |
データをいくつかのグループに分ける教師なし学習手法において、あらかじめ定めた数の中心点に最も近いデータを割り当てる手法を【 】と呼ぶ。
|
解説
|
| 987 |
CNNにおいて、入力画像に対してフィルタを走査し、局所的な特徴を抽出する層を【 】と呼ぶ。
|
解説
|
| 988 |
訓練データに対しては高い精度を出すものの、未知のデータに対して精度が著しく低下する現象を【 】と呼ぶ。
|
解説
|
| 989 |
敵対的に学習する二つのネットワークを用いて、高精度な画像を生成するモデルを【 】と呼ぶ。
|
解説
|
| 991 |
AIの利用における公平性や透明性、プライバシー保護などを議論する分野を【 】と呼ぶ。
|
解説
|
| 993 |
コンピュータにルールを記述する際に、if-then形式の条件分岐を積み重ねる手法を【 】と呼ぶ。
|
解説
|
| 994 |
複数のモデルの予測結果の平均をとるのではなく、各モデルの重み付き投票や別の学習器を用いて最終的な判定を行う手法を【 】と呼ぶ。
|
解説
|
| 995 |
ディープラーニングにおいて、層を深くした際に学習が停滞する問題を解決するために、入力そのものを層の出力に加算する「ショートカット接続」を用いる構造を【 】と呼ぶ。
|
解説
|
| 998 |
複雑なモデルの挙動を、人間が理解可能な単純なモデル（線形回帰や決定木）で近似して説明する手法を【 】と呼ぶ。
|
解説
|
| 999 |
データセット内の特定の個人を特定できないように、元のデータに統計的なノイズを加えることでプライバシーを保護する手法を【 】と呼ぶ。
|
解説
|
| 1000 |
特定の知的タスクを人間のように実行できる能力を指し、論理的な思考、学習、計画、問題解決能力の総称を【 】と呼ぶ。
|
解説
|
| 1001 |
人間の脳の神経回路の構造を模倣し、単純な処理ユニットのネットワークを通じて学習を行うアプローチを【 】と呼ぶ。
|
解説
|
| 1003 |
強化学習の行動価値関数をディープラーニングを用いて近似する手法を【 】と呼ぶ。
|
解説
|
| 1004 |
バッチ正規化と同様に、ミニバッチのサイズに依存せず、各層のニューロンごとの統計量を用いて正規化を行う手法を【 】と呼ぶ。
|
解説
|
| 1005 |
オートエンコーダの潜在空間において、その分布が正規分布に従うように制限をかけ、生成能力を持たせたモデルを【 】と呼ぶ。
|
解説
|
| 1006 |
AIシステムが予測を行い、それに基づいた行動をとることで、環境が変化し、その新しい情報が次の学習に反映される循環的なプロセスのことを【 】と呼ぶ。
|
解説
|
| 1007 |
人工知能が現実世界のあらゆる問題に対処しようとする際、有限の処理能力しか持たないシステムが、無限にある出来事の中から自分に関係のある事象だけを抽出して計算することができなくなる本質的な困難を【 】と呼ぶ。
|
解説
|
| 1008 |
哲学者のジョン・サールが提示した中国語の部屋の思考実験に関する記述のうち、【不適切なもの】はどれか。
|
解説
|
| 1009 |
日本の国家プロジェクトとして進められた第5世代コンピュータの開発において、高度な人工知能や知識処理を実現するために主たる基盤として採用されたプログラミング言語のパラダイムは【 】である。
|
解説
|
| 1010 |
第2次人工知能ブームの中心となったエキスパートシステムにおいて、実用的なシステムを構築する上での最大の障壁となった知識の爆発に関する記述のうち、【不適切なもの】はどれか。
|
解説
|
| 1011 |
サポートベクターマシンにおいて、未知のデータに対する予測の頑健性を最大化するために、異なるクラスのデータ点から最も離れた位置に識別境界線を引くというアプローチを【 】と呼ぶ。
|
解説
|
| 1012 |
アンサンブル学習の手法であるランダムフォレストが、単一の決定木モデルと比較して高い汎化性能を持ち、過学習を起こしにくい理由に関する記述のうち、【不適切なもの】はどれか。
|
解説
|
| 1013 |
ディープラーニングにおいて、層をどれだけ深く重ねても、すべての層で【 】を用いていると、モデル全体が結局は単層の単純な構造と数学的に等価になってしまい、複雑な非線形パターンの境界線を学習することができなくなる。
|
解説
|
| 1014 |
ニューラルネットワークの学習で用いられる誤差逆伝播法において、出力層から入力層に向かって逆方向に計算を行う最大の理由に関する記述のうち、【不適切なもの】はどれか。
|
解説
|