| 458 |
損失関数に重みの二乗和を加えることで、モデルの重みが大きくなりすぎるのを防ぎ、過学習を抑制する手法はどれか。
|
解説
|
| 459 |
画像内の物体の存在場所（バウンディングボックス）とクラスを一度の推論で同時に推定し、リアルタイムでの処理を可能にした物体検出アルゴリズムはどれか。
|
解説
|
| 460 |
Transformerにおいて、入力シーケンス内の各単語同士の関係性を、距離に関係なく直接計算できる機構はどれか。
|
解説
|
| 462 |
AIを社会実装する際、企業が「AIを利用する人間」に対して説明責任を果たし、意図しないバイアスや判断ミスを防ぐための体制を何と呼ぶか。
|
解説
|
| 463 |
現在の日本の著作権法において、AIによって生成されたコンテンツに著作権が発生する条件として最も妥当なものはどれか。
|
解説
|
| 464 |
欧州連合（EU）が定めた世界初の包括的なAI規制法案において、リスクの低いAIシステム（スパムフィルターなど）は原則としてどのような扱いを受けるか。
|
解説
|
| 465 |
決定木を逐次的に学習させ、前段のモデルが予測しきれなかった「残差（誤差）」を次段のモデルが学習することで、予測精度を極限まで高めるアンサンブル学習手法はどれか。
|
解説
|
| 466 |
コンピュータが記号処理を行い、完璧な応答を返せたとしても、それは意味を理解しているわけではないという反論の思考実験はどれか。
|
解説
|
| 467 |
1960年代、単純パーセプトロンの限界を数学的に証明し、第1次AIブームの停滞を招いた著書で有名な研究者は誰か。
|
解説
|
| 468 |
AIが下した判断や予測の根拠を人間が理解できるようにする手法はどれか。
|
解説
|
| 469 |
日本におけるAI開発の学習段階での著作権法の扱いで、原則として権利者の許諾なく利用できるのはどのような場合か。
|
解説
|
| 470 |
SVMにおいて、線形分離不可能なデータをより高次元の空間に写像することで、線形分離可能にする手法はどれか。
|
解説
|
| 471 |
回帰分析において、モデルの重みの二乗和を損失関数に加えることで、重みが大きくなることを防ぎ、過学習を抑制する手法はどれか。
|
解説
|
| 472 |
決定木を直列に学習させ、前段のモデルが予測できなかった「誤差（残差）」を後段のモデルが修正するように学習する手法はどれか。
|
解説
|
| 473 |
CNNの畳み込み層において、複数のフィルタを用意する主な目的はどれか。
|
解説
|
| 474 |
RNNにおいて、時系列データが長くなると学習が困難になる「勾配消失」の主な原因はどれか。
|
解説
|
| 475 |
オートエンコーダの構造において、入力層から中間層（ボトルネック層）へ至る過程の主な役割はどれか。
|
解説
|
| 476 |
Adamという最適化手法が、Adagradの弱点である「学習率の過度な低下」を克服できた理由はどれか。
|
解説
|
| 477 |
学習時にバッチ正規化を適用することで、学習が高速化・安定化する理由はどれか。
|
解説
|
| 478 |
ReLUがシグモイド関数と比較して、深いネットワークの学習に適している理由はどれか。
|
解説
|
| 479 |
RNNの代わりにTransformerが自然言語処理の主流となった最大の理由はどれか。
|
解説
|
| 480 |
強化学習において「探索（Exploration）」が極めて重要な理由はどれか。
|
解説
|
| 481 |
新しいAI技術が実用化され、普及して「当たり前」のものになると、人々がそれを「単なる自動化」と見なすようになり、AIの定義から除外してしまう現象を何と呼ぶか。
|
解説
|
| 482 |
人工知能の歴史において、第2次AIブームを象徴するシステムとして最も適切なものはどれか。
|
解説
|
| 483 |
統計モデルを選択する際、モデルの適合度とパラメータ数のバランスを評価し、過学習を避けて最適なモデルを選ぶための指標はどれか。
|
解説
|
| 484 |
Adagradの学習率が学習後半に著しく低下してしまう問題を解決するため、勾配の二乗和ではなく、勾配の移動平均を用いて学習率を自動調整する最適化手法はどれか。
|
解説
|
| 485 |
学習初期はAdamのような速い収束性を持ち、終盤はSGDのように高い汎化性能を持つように学習率の範囲を制限する最適化手法はどれか。
|
解説
|
| 486 |
画像認識モデルの学習において、訓練データが不足している場合に、画像を反転、回転、拡大・縮小することで疑似的にデータを増やし、過学習を抑制する手法を何と呼ぶか。
|
解説
|
| 487 |
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誤差を、ネットワークの出力側から入力側へと逆方向に伝播させ、各層の重みを更新する手法はどれか。
|
解説
|
| 488 |
ファジィ論理において、メンバーシップ関数で定義された集合から、あるしきい値以上の値を持つ要素のみを抽出し、クリスプ（明確）な集合を作る操作を何というか。
|
解説
|