| 1323 |
人間の脳の神経回路網を模倣し、単純な処理単位を層状に結合した構造を持つハードウェアや計算モデルを指す言葉はどれか。
|
解説
|
| 1324 |
データ点同士のユークリッド距離を計算し、与えられたクラス数に分類されるように各点の所属クラスタを反復的に更新していく非階層型クラスタリングの手法はどれか。
|
解説
|
| 1325 |
入力値の線形結合をシグモイド関数に通すことで、出力を0から1の間の確率値に変換し、二値分類を行うための統計モデルはどれか。
|
解説
|
| 1326 |
ニューラルネットワークの各ノードにおいて、前の層から入力された重み付き和に対して非線形変換を施し、次層へ出力する伝達関数を総称して何と呼ぶか。
|
解説
|
| 1327 |
多クラス分類の出力層において、全クラスの予測スコアを0から1の範囲に変換し、かつ合計が1になるように正規化することで、各クラスの属する確率分布を算出する関数はどれか。
|
解説
|
| 1328 |
勾配消失問題を回避するために、入力が正の領域では微分値が常に1となり、負の領域では0を返すことで、勾配の減衰を防ぐ特性を持つ関数はどれか。
|
解説
|
| 1330 |
自然言語処理において、リカレント接続を使わずに、自己アテンション機構を用いて文章中の離れた単語間の関係を並列計算により捉えるネットワーク構造はどれか。
|
解説
|
| 1331 |
生成器が偽画像を生成し、識別器がそれが本物か偽物かを判定するという、2者間の競合的学習を通じて高精度なデータ生成を実現するネットワーク構造はどれか。
|
解説
|
| 1332 |
大規模なデータセットで事前に学習したモデルの重みを初期値として利用し、特定のタスクの小規模データセットを用いて再学習を行う手法を何と呼ぶか。
|
解説
|
| 1333 |
訓練データに対しては高い正解率を示すが、学習に含まれていない未知のデータに対する予測精度が著しく低い、汎化性能が失われた状態を何と呼ぶか。
|
解説
|
| 1334 |
AIシステムなどの設計・開発の段階から、個人のプライバシー保護を前提とし、後付けではなくシステムに保護機能を組み込んでおく設計思想はどれか。
|
解説
|
| 1337 |
推薦システムで用いられる協調フィルタリングにおいて、巨大で疎なユーザーとアイテムの評価行列から潜在的な特徴を抽出して欠損値を予測したい。このとき、任意の行列を直交行列と対角行列の積に分解し、重要度の低い成分を切り捨てることでノイズを除去しつつ低次元近似を行う数理的手法はどれか。
|
解説
|
| 1339 |
深層ニューラルネットワークにおいて、活性化関数にシグモイド関数を用いると、入力値の絶対値が大きい領域で関数の傾きが極端に小さくなる。この結果、誤差逆伝播において層を遡るごとにどのような数理的現象が発生し、どのような問題を引き起こすか。最も適切なものを選べ。
|
解説
|
| 1340 |
ディープラーニングの最適化アルゴリズムの一つであるAdamは、過去の勾配の一次モーメントと二次モーメントを利用して学習率をパラメータごとに動的に調整する。それぞれのモーメントを推定する際、古い勾配情報を徐々に忘却しつつ新しい勾配情報を平滑化して取り入れるために【 】という数学的アプローチを用いている。
|
解説
|
| 1342 |
敵対的生成ネットワークの学習において、生成器は本物に近いデータを生成しようとし、識別器は本物と偽物を見破ろうとする。この二つのネットワークの対立関係において、互いの性能が完全に均衡し、識別器の判別確率がすべてのデータに対して二分の一になる理想的な状態を、ゲーム理論における何という数学的用語で表すか。
|
解説
|
| 1344 |
ブラックボックス化しやすい機械学習モデルの予測根拠を説明する技術において、各特徴量が予測値に対してどれだけ貢献したかを算出する手法がある。この手法は、すべての特徴量の組み合わせパターンを考慮し、特定の特徴量が加わることで生じる予測値の限界的な増加分を平均化して求めるが、この背景にあるゲーム理論の数学的概念はどれか。
|
解説
|
| 1346 |
コンピュータが辞書的な知識としてシマウマという文字列を処理できても、実際にカメラで縞模様の馬を見てもそれをシマウマだと認識できないように、記号表現と現実世界の物理的実体が結びついていないという人工知能の根本的な課題を【 】と呼ぶ。
|
解説
|
| 1347 |
多層ニューラルネットワークの学習において、出力層で生じた予測誤差を最小化するように各層の重みを更新する。このとき、出力層から入力層へ向かって各パラメータの勾配を計算していくが、この効率的な計算を支えている微分積分学における合成関数の微分の法則はどれか。
|
解説
|
| 1348 |
ディープラーニングの学習において、各隠れ層への入力分布が学習過程で変化してしまう内部共変量シフトを抑制する手法がある。この手法では、データの小集団ごとに平均と分散を計算して正規化を行うが、単に標準化するだけでなく、その後に学習可能な二つのパラメータを用いてどのような数理的変換を行うか。
|
解説
|
| 1353 |
第2次AIブームにおけるエキスパートシステムの代表例であるマイシンは、血液中の感染症の診断を支援するシステムである。マイシンでは、不確実な知識を扱うために、専門家の推論の確かさを数理的に表現する指標が導入された。この指標の名称はどれか。
|
解説
|
| 1354 |
サポートベクターマシンは、2つのクラスを分離する最適な境界線を決定する線形分類器である。この手法において、境界線から最も近いデータ点までの距離を最大化するように数理的な最適化を行うが、この最大化される距離の名称はどれか。
|
解説
|
| 1355 |
機械学習のアンサンブル学習手法であるランダムフォレストは、多数の決定木を組み合わせて多数決や平均により予測を行う。各決定木を学習させる際、元のデータセットから重複を許してランダムにサンプルを抽出する統計学的手法が用いられるが、この手法の名称はどれか。
|
解説
|
| 1356 |
ディープラーニングにおいて、出力層の活性化関数と損失関数の組み合わせは、解くべき問題の統計的性質に基づいて決定される。多クラス分類問題において、出力層の各ニューロンの値を確率分布として解釈できるように総和が1になるよう変換する活性化関数はどれか。
|
解説
|
| 1357 |
ニューラルネットワークの学習において、特定の重みパラメータが極端に大きな値を持つと、モデルの複雑さが増して過学習が起きやすくなる。これを防ぐために、損失関数に重みの二乗和をペナルティ項として加え、パラメータが大きくなりすぎるのを数理的に抑制する手法はどれか。
|
解説
|
| 1359 |
ドロップアウトは、学習の各ステップにおいてランダムに一部のニューロンを不活性化させることで過学習を抑制する手法である。この手法が過学習を抑制できる理由として、数理的にどのような効果が擬似的に得られていると考えられているか。最も適切なものを選べ。
|
解説
|
| 1361 |
自然言語処理などで標準的に用いられるトランスフォーマーは、再帰型ニューラルネットワークと異なり、時系列データを順次処理せず一括で入力する。そのため、単語の並び順という位置情報をモデルに伝えるために、あらかじめ定義された数理的な規則に基づいて入力ベクトルに位置情報を加算する。この手法の名称はどれか。
|
解説
|
| 1363 |
機械学習モデルの予測根拠を説明する手法であるLIMEは、ブラックボックスなモデルそのものを直接説明するのではなく、特定の予測対象データの周辺における挙動のみを説明しようとする。このとき、予測対象データの近傍で局所的にどのような数理的モデルを構築して近似を行うか。
|
解説
|
| 1364 |
ディープラーニングの学習データを拡張する手法の一つに、2つの異なる画像データとそれぞれの正解ラベルを、ある比率を用いて数理的に線形補間し、新しい合成データと合成ラベルを作成する手法がある。このデータ拡張手法の名称はどれか。
|
解説
|
| 1368 |
スティーブン・ハルナッドによって提唱された「シンボルグラウンディング問題（記号接地問題）」は、人工知能における重要な哲学・数理的課題である。この問題の本質を最も適切に説明しているものはどれか。
|
解説
|
| 1369 |
人工知能に知識を扱わせるための知識表現の枠組みである「オントロジー」において、概念間の関係性を定義する。このうち、特定のドメイン（領域）に依存しない、世界に存在するあらゆる事物に共通する最も抽象的な概念（時間、空間、実体など）を定義したオントロジーを何と呼ぶか。
|
解説
|