| 424 |
画像認識において、入力画像の局所的な特徴（エッジや模様など）を抽出するために、フィルタを用いて空間的な情報を畳み込む構造を持つニューラルネットワークはどれか。
|
解説
|
| 425 |
時系列データやテキストなど、順序を持つデータの推論において、前の時刻の状態を記憶として持ち越すことで文脈を理解するニューラルネットワークはどれか。
|
解説
|
| 426 |
RNNの課題である長距離の依存関係の学習が困難な問題を解決するため、入力・忘却・出力の3つのゲート機構を導入したモデルはどれか。
|
解説
|
| 428 |
生成器と識別器の2つのネットワークを競わせることで、本物に近い画像を生成する学習を行うフレームワークはどれか。
|
解説
|
| 429 |
高次元データの情報を可能な限り保持したまま、次元数を削減して低次元の主成分に変換する教師なし学習手法はどれか。
|
解説
|
| 430 |
似た特徴を持つデータをグループ化するために、各データとクラスタ中心までの距離の二乗和が最小になるよう反復的に計算を繰り返す手法はどれか。
|
解説
|
| 431 |
2つのクラスを分離する際、マージン（境界とデータ点の間隔）が最大になるような超平面を求める教師あり学習アルゴリズムはどれか。
|
解説
|
| 432 |
あるタスクで学習済みのモデルをベースとして、別の類似タスクのためにモデルの一部を再学習させることで、少ないデータでも短時間で高精度なモデルを得る手法はどれか。
|
解説
|
| 433 |
画像内のどの位置に、どのような物体が存在するかを四角い枠（バウンディングボックス）とクラスラベルで出力するタスクはどれか。
|
解説
|
| 434 |
Transformerのエンコーダのみを用いたモデルで、文章の前後両方の文脈を考慮して単語の分散表現（埋め込み）を学習する自然言語処理モデルはどれか。
|
解説
|
| 435 |
Q学習にディープラーニングを組み合わせ、エージェントが画面の画素データから直接、最適な行動（行動価値関数）を推定して学習する強化学習手法はどれか。
|
解説
|
| 436 |
不均衡なデータセットや識別が難しい複雑なデータに対して、複数の弱い識別器を直列に組み合わせる際、前段のモデルが誤分類したデータに高い重みを与えて学習させる手法はどれか。
|
解説
|
| 437 |
画像認識において、画像内の局所的な特徴を抽出するためのフィルタをずらしながら適用し、空間的な情報を畳み込む構造を持つニューラルネットワークはどれか。
|
解説
|
| 438 |
学習中に各層の中間出力の分布が変化してしまう「内部共変量シフト」を抑え、学習を高速化・安定化させる手法はどれか。
|
解説
|
| 440 |
強化学習において、Q関数を直接更新するのではなく、行動を決定するActorと状態価値を厳しく評価するCriticの2つの構造を独立させて学習を安定化させる手法はどれか。
|
解説
|
| 441 |
RNNの課題である長距離の依存関係の学習が困難な問題を解決するため、情報の取捨選択を行う「入力」「忘却」「出力」のゲート機構を導入したモデルはどれか。
|
解説
|
| 442 |
Momentumの「慣性」による学習の加速と、Adagradの「パラメータごとの適応的な学習率調整」の利点を組み合わせた、汎用性の高い最適化手法はどれか。
|
解説
|
| 443 |
生成器が画像を生成し、識別器が本物か偽物かを判定するという、2つのネットワークの競合を通じて性能を高め合う学習フレームワークはどれか。
|
解説
|
| 444 |
高次元データの情報を可能な限り保持したまま、次元数を削減して低次元の主成分に変換する教師なし学習手法はどれか。
|
解説
|
| 445 |
ディープラーニングにおいて、学習時にニューロンを確率的にランダムに無効化することで、特定のニューロンへの過度な依存を避け、過学習を抑制する手法はどれか。
|
解説
|
| 446 |
シグモイド関数などで発生する勾配消失問題を回避するために、0以下の入力を0とし、正の値をそのまま出力する活性化関数はどれか。
|
解説
|
| 447 |
ある特定のタスクで学習済みのモデルをベースとして、別の類似タスクのためにモデルの一部を再学習させ、少量のデータで高精度なモデルを得る手法はどれか。
|
解説
|
| 448 |
「機械が人間のように思考するかどうか」を判定するために、人間と機械が対話を行い、人間がどちらと会話しているか判別できない場合、その機械には知能があるとするテストはどれか。
|
解説
|
| 449 |
1980年代の第2次AIブームにおいて、専門家の知識をルールベースで記述し、特定の領域において高い推論能力を発揮させるために開発されたシステムはどれか。
|
解説
|
| 450 |
AIの開発・運用において、倫理的課題や法的リスクを管理し、人間にとって安全で適切に社会実装するための管理体制や方針を定めた概念はどれか。
|
解説
|
| 451 |
コンピュータが記号（単語など）を操作することはできるが、その記号が現実世界のどのような「意味」や「実体」と結びついているかを理解できていない問題を何というか。
|
解説
|
| 454 |
複数の決定木を独立して構築し、それらの予測結果を多数決や平均化によって統合することで、個々の木の過学習を抑制し精度を向上させるアンサンブル学習手法はどれか。
|
解説
|
| 455 |
入力データを一度低次元の潜在空間へ圧縮し、再度元のデータに復元するように学習させることで、データの重要な特徴量を抽出するニューラルネットワークはどれか。
|
解説
|
| 456 |
CNNのプーリング層において、領域内の最大値を取得する「最大プーリング（Max Pooling）」を行う主な目的はどれか。
|
解説
|
| 457 |
学習時に各層の中間出力分布をミニバッチ単位で平均0、分散1に揃えることで、学習の安定化と高速化を図る理由はどれか。
|
解説
|