| 1191 |
不均衡なデータセットや識別が難しい複雑な境界を持つデータに対して、単一の強力な予測モデルを一度に構築するのではなく、正解率が半分をわずかに上回る程度の軽量なモデルを複数用意し、前のモデルが間違えたデータに対して順次大きな重みを与えて直列に学習を進めるアンサンブル学習手法はどれか。
|
解説
|
| 1192 |
強化学習の初期段階において、エージェントが過去の経験から得た現時点で最も報酬が高いとわかっている行動ばかりを繰り返すと、より良い行動パターンを一生発見できなくなる危険性がある。この探索と利用のトレードオフを解決するため、一定の確率でランダムな行動を選択し、残りの確率で現在の最適行動を選択する方策はどれか。
|
解説
|
| 1193 |
ディープラーニングにおいて、層が深くなるにつれて誤差逆伝播の過程で勾配がゼロに近づき、入力層に近い重みが更新されなくなる勾配消失問題が発生する。この問題を解決するために、入力が0以下の場合は0を出力し、0より大きい場合は入力をそのまま出力することで、勾配が途切れにくく計算も高速な活性化関数として広く使われているものはどれか。
|
解説
|
| 1194 |
ニューラルネットワークの学習において、出力層で計算された予測値と正解ラベルの間の誤差を、出力層から入力層に向かって逆方向に伝播させ、各層のパラメータにおける勾配を効率的に計算する手法について、不適切な説明はどれか。
|
解説
|
| 1195 |
ニューラルネットワークのパラメータ最適化において、傾斜の方向へスムーズに進むための慣性を考慮するアプローチと、過去の勾配の大きさに応じてパラメータごとに自動で学習率を調整するアプローチの両方のメリットを融合させ、現代のディープラーニングにおいて最も主流として使われている最適化手法はどれか。
|
解説
|
| 1196 |
ディープラーニングにおいて、モデルの表現力が高すぎるために手元の訓練データに過剰に適合してしまう過学習を防ぎたい。学習の各ステップにおいて、ネットワークのノードを一定の確率でランダムに無効化して学習を行い、予測時にはすべてのノードを使用することで、実質的に複数の異なるモデルをアンサンブル学習させたような効果を得る手法はどれか。
|
解説
|
| 1197 |
変分オートエンコーダの拡張モデルにおいて、画像生成時にデータの持つ潜在的な特徴が互いに混ざり合うことなく、それぞれ独立した因子として潜在空間に明確に分離して獲得されるよう制御したい。損失関数の中の正則化項の重みを調整することで、この特徴表現の分離性を高めたモデルはどれか。
|
解説
|
| 1198 |
自然言語処理の分野において、文章中の特定の単語をマスクして隠し、その周囲の文脈からマスクされた単語を予測するタスク等を通じて、文章を左右の両方向から同時に学習し、多様な自然言語タスクにおいて事前に高精度な文脈表現を獲得できる、Transformerをベースにした言語モデルはどれか。
|
解説
|
| 1199 |
画像認識において、画像の位置が少しずれていても同じ特徴として捉えることができる不変性を持たせ、画像の局所的な特徴を効率的に抽出するために、空間的なつながりを維持したままフィルターをスライドさせて計算を行うニューラルネットワークの構造はどれか。
|
解説
|
| 1200 |
データマイニングや人工知能プロジェクトを推進する際の標準的なプロセスモデルであり、ビジネスの理解、データの理解、データの準備、モデリング、評価、展開という6つのフェーズをループさせながら段階的に精度とビジネス価値を高めていく手法はどれか。
|
解説
|
| 1201 |
日本の著作権法において、人工知能の機械学習用に大量の著作物をサーバーにコピーして学習データとして利用する行為について、不適切な説明をしているものはどれか。
|
解説
|
| 1202 |
人間の知性の一部のみを模倣し、特定の限定されたタスクを高度に処理するために設計された人工知能の概念を何というか。
|
解説
|
| 1203 |
囲碁AIなどに搭載され、すべての選択肢を網羅的に探索するのではなく、ランダムなシミュレーションを多数繰り返し、その勝率に基づいて最も有望な次の一手を決定する探索アルゴリズムはどれか。
|
解説
|
| 1204 |
多変量データの次元削減手法である主成分分析において、データの散らばりが最大となる主成分の方向を特定するために、データの関係性を表す分散共分散行列に対して用いられる数学的手法はどれか。
|
解説
|
| 1205 |
サポートベクターマシンにおいて、元の低次元空間では直線や超平面で綺麗にグループを分けることができない複雑なデータに対し、データを敢えて高次元の空間へと写像し、その高次元空間上で線形分離を可能にするために用いられる計算上の工夫はどれか。
|
解説
|
| 1207 |
ニューラルネットワークにおいて、各層の線形変換の後に非線形な活性化関数を適用する理由として、適切なものはどれか。
|
解説
|
| 1208 |
ディープラーニングの誤差逆伝播法において、出力層で発生した誤差から、何層も遡った入力層に近い内部のパラメータの勾配を効率的に計算するために、合成関数の微分を利用する数学の法則はどれか。
|
解説
|
| 1210 |
ディープラーニングの学習において、各層の入力データの分布が、前の層のパラメータ更新によって学習の途中で刻々と変化してしまう現象を防ぎたい。ミニバッチごとにデータの平均を0、分散を1に揃えることで、学習速度を大幅に向上させ、初期値への依存性を減らす手法はどれか。
|
解説
|
| 1211 |
変分オートエンコーダの損失関数において、エンコーダがデータから推測した潜在変数の確率分布が、あらかじめ仮定したシンプルな事前の確率分布にどれだけ類似しているかを測定するために用いられる、情報理論に由来する数学的指標はどれか。
|
解説
|
| 1212 |
自然言語処理の大規模言語モデルなどで採用されている仕組みであり、時系列データを順番に処理していく従来の再帰型ネットワークとは異なり、文章内のすべての単語間の関係性を同時に計算することで、長距離の依存関係を捉えつつ大規模な並列計算を可能にした機構はどれか。
|
解説
|
| 1214 |
画像セマンティックセグメンテーションを行うU-Netにおいて、特徴を抽出した後に元の解像度へと復元していく。この復元時に、抽出側が持っていた細かい位置情報を復元側へ直接コピーして結合し、境界線の緻密な復元を可能にする構造を何というか。
|
解説
|
| 1215 |
AIの社会実装プロジェクトにおいて、本格的なシステム開発に入る前に、実データを用いてAIモデルの技術的な実現可能性や投資対効果を検証する概念実証について、不適切な説明をしているものはどれか。
|
解説
|
| 1216 |
2024年に欧州連合で可決された世界初の包括的なAI規制法において、AIシステムのリスクを4段階に分類し、リスクの高さに応じて厳格な法的義務や罰則を課すリスクベースアプローチを採用している法律の名称はどれか。
|
解説
|
| 1218 |
画像処理の圧縮や、レコメンデーション、潜在意味解析などで広く使われる手法であり、正方行列に限らない任意の行列を、2つの直交行列と1つの対角行列の積に分解する線形代数学の基礎的な手法はどれか。
|
解説
|
| 1219 |
機械学習の過学習を防ぐ手法において、損失関数にパラメータの絶対値の和をペナルティ（罰則項）として加えることで、不要な特徴量の重みを完全に0にし、自動的に特徴量選択を行う効果を持つ数理的手法はどれか。
|
解説
|
| 1220 |
ニューラルネットワークの学習において、損失関数の値を最も小さくする最適なパラメータを見つけるため、現在の位置における関数の「傾き」を計算し、その傾きと反対の方向へパラメータを少しずつ更新していく最適化の数理的手法を何というか。
|
解説
|
| 1221 |
ニューラルネットワークの学習において、出力層で計算された損失（エラー）を、ネットワークの出力層から入力層に向かって逆方向に伝播させ、各層のパラメータの勾配を効率的に一括計算するアルゴリズムを何というか。
|
解説
|
| 1222 |
ディープラーニングにおいて、ネットワークの層を非常に深くした際、誤差逆伝播法で入力層に近づくにつれて勾配（傾き）の値が掛け算の繰り返しによって極端に小さくなってしまい、浅い層のパラメータがほとんど学習されなくなってしまう現象を何というか。
|
解説
|
| 1224 |
すでに大量のデータで学習を終えている大規模な既存モデル（基盤モデル）に対し、その一部またはすべてのパラメータを、特定の業務や狭いタスクに合わせた少量のデータを使って追加で微調整・学習させる手法はどれか。
|
解説
|
| 1225 |
画像認識モデルの学習において、手元にある限られた訓練用の画像データに対して、ランダムに回転、反転、拡大縮小、色調補正などの変換を加えることで、データを擬似的に大量に水増しし、過学習を防ぐ手法を何というか。
|
解説
|