G検定模擬試験set1 - 未解答
（ア）に最もよくあてはまる選択肢を 1 つ選べ.
自己符号化器はニューラルネットワークによる（ア）の代表的な応用であり,出力が入力に近づくようにニューラルネットを学習させる.主に（イ）のために利用されることが多く,活性化関数に恒等写像を用いた場合の 3 層の自己符号化器は（ウ）と同様の結果を返す.自己符号化器を多層化すると,ディープニューラルネット同様に勾配消失問題が生じるため,複雑な内部表現を得ることは困難であった.この問題に対して 2006 年頃に（エ）らは,単層の自己符号化器に分割し入力層から繰り返し学習させる（オ）を積層自己符号化器に適用することで,汎用的な自己符号化器の利用を可能とした.また,自己符号化器の代表的な応用例として（カ）がある.
（ウ）に最もよくあてはまる選択肢を 1 つ選べ.
機械学習の手法は学習の枠組みに応じて主に三つに分類することができる. （ア）は入力とそれに対する出力のペアの集合を学習用データとする手法で,（イ）などが（ア）に含まれる.（ウ）は入力の集合だけから学習を行う手法であり,（エ）などが（ウ）に含まれる.最後に（オ）は,最終結果または連続した行動の結果に対して報酬を与え,報酬ができるだけ大きくなるような行動を探索する手法である.
（ア）に最もよくあてはまる選択肢を 1 つ選べ.
ニューラルネットワークで用いられる活性化関数について扱う.出力層の活性化関数には,回帰では（ア）が,多クラス分類では（イ）が一般的に利用されてきた.また中間層の活性化関数として,従来は（ウ）などが一般的に利用されてきた.しかし,これらの活性化関数を利用すると勾配消失問題が起きやすいという問題があったため,近年は,入力が 0 を超えていれば入力をそのまま出力に渡し,0 未満であれば出力を 0 とする（エ）や複数の線形関数の中での最大値を利用する（オ）などが利用されている.
（解説あり）次の説明について,最も関連する事象を選択肢の中から 1 つ選べ.
層を沢山重ねた深い層であってもうまく学習ができるように出力を入力と入力からの差分の和としてモデリングしたネットワークの枠組み ResNet が提案され高い精度の識別性能を誇っている.
（解説あり）以下の文章をよく読み,末尾の設問に答えよ.
AI の研究開発が進むにつれて,実世界への社会実装で最も期待されている分野の 1 つに自動走行車の開発が挙げられる.現在 AI を用いた自動走行車には,その自動運転導入の程度に応じてレベルづけがなされており,各社でどのように最終的なゴールであるレベル 5 の完全自動走行に近づくかが議論されている.
各レベルにおける自動運転の概要について説明した文章のうち,自動運転レベル 3 に対応しているものを選択肢より 1 つ選べ.
（イ）に最もよくあてはまる選択肢を 1 つ選べ.
機械学習の種類を大きく分類すると教師あり学習,教師なし学習,強化学習がある.ニューラルネットワークにもそれらに対応するものがある.例えば,教師あり学習には（ア）,教師なし学習には（イ）,強化学習には（ウ）などがある.
（ウ）に最もよくあてはまる選択肢を 1 つ選べ.
確率的勾配法はディープラーニングにおいて最もよく知られる最適化アルゴリズムであり,いくつかの改善を加えたものが広く使われている.例えば,以前に適用した勾配の方向を現在のパラメータ更新にも影響させる（ア）という手法や,勾配を 2 乗した値を蓄積し,すでに大きく更新されたパラメータほど更新量（学習率）を小さくする（イ）や,（イ）における一度更新量が飽和した重みはもう更新されないという欠点を,指数移動平均を蓄積することにより解決した（ウ）などがある.
（解説あり）（イ）に最もよくあてはまる選択肢を 1 つ選べ.
自然言語処理の研究においても,ディープラーニングを利用した研究が目立ちつつあるが,その成果は分野においてまちまちである. 例えば,機械翻訳 や（ア）おいては大幅な性能向上が見られる一方で,構文解析や（イ） のように連続的な精度向上は見られるものの基本的な手法は大きく変わらないもの,そして 文脈解析 や（ウ）など現在のアプローチでは実用的な精度は見込めないものなどがある.
（エ）に最もよくあてはまる選択肢を 1 つ選べ.
画像生成とは,何もない状態,もしくはある入力値に応じて目標の画像を生成する技術である.今最も利用されている画像生成手法は,GAN という生成敵対ネットワークである.特に,あるランダムな数値の入力値をもとに画像生成を行う DC（ア）やある文章から画像を生成する Attention（ア）などが有名である.このネットワークは（イ）と（ウ）から構成されており,（イ）は（エ）を騙すような画像を出力し,（ウ）は（イ）から出力された画像と本物の画像とを分類するようにそれぞれ学習する.このように学習することで,（イ）は適切な画像を出力することが可能となる.
loading!!
