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（Autoencoder）は,出力が入力と同じものに近づくことを目指して学習する.（ア）のアルゴリズムであり,（イ）が可能になる.このときの（ウ）が入力の特徴を抽出した表現となる.
（エ）に最もよくあてはまる選択肢を 1 つ選べ.
教師なし学習の中で有名なものとして,未知の集合をいくつかの集まりに分類させる（ア）という学習方法と,正常な行為がどのようなものかを学習し,それと大きく異なるものを識別する（イ）がある.（ア）は特に（ウ）というアルゴリズムを使用して顧客の分類分けによる DM 配信やレコメンドを行うシステムなどに使用されている.（イ）は（エ）というアルゴリズムを基に,セキュリティシステムなどに使用されている.
（ア）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.
（オ）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.
（イ）に最もよくあてはまる選択肢を 1 つ選べ.
画像の認識では,主に入力から出力に向かう結合のみを持つ階層的なニューラルネットワーク,特に画像などの信号に内在する局所的な特徴が集まって,より大域的な特徴を構成するという構造を反映した,（ア）がよく用いられる.一方,自然言語テキストや動画に代表される構造を持った系列情報を扱うために（イ）が用いられている.特にケプラー大学のゼップ・ホフレイターの提案した（ウ）は必要な文脈情報の長さを適応的に制御することで,時間を遡る誤差逆伝播の可能性を向上させ,画像からの説明文の生成や機械翻訳など,多くの課題に適用されている.実際,2016 年秋に,google 社社は google 翻訳に（ウ）を取り入れてアップデートし,非常に高精度な翻訳を提供することが可能になった.
（解説あり）昨今,ディープラーニングを活用した音声認識技術,音声生成技術の向上に伴い,スマートスピーカーが普及しつつある.下記の選択肢のうち,スマートスピーカーの音声アシスタントソフトウェアの名称とその提供元の組み合わせとして正しいものを選択肢から 1 つ選べ.
（イ）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.
（ウ）に最もよくあてはまる選択肢を 1 つ選べ.
現在の教師あり学習は,与えられたデータがどの分類に当てはまるのかを識別する（ア）と,様々な関連性のある過去の数値から未知の数値を予測する（イ）という二つに分類される.（ア）を用いることで,（ウ）のようなことができる.また（イ）を用いることで,（エ）のようなことができる.
（解説あり）（ア）に最もよくあてはまる選択肢を 1 つ選べ.
大規模なディープニューラルネットワーク（DNN）の学習では学習するべきパラメータ数が膨大となるため,処理の高速化が必要となる.2012 年に提案された分散並列技術である（ア）や画像処理に特化したプロセッサの（イ）は大規模なニューラルネットワークの学習を実現するために利用されてきた.また,大規模なニューラルネットワークの学習が困難となる原因の一つとして,ある層の入力がそれより下層の学習が進むにつれて変化する（ウ）がある.（ウ）を防ぐために出力値の分布の偏りを抑制する（エ）が 2015 年に提案されている.
（解説あり）（ウ）に最もよくあてはまる選択肢を 1 つ選べ.
ディープニューラルネットワーク（DNN）の普及に貢献した一つの要素に,（ア）を克服する手法が提案されたことがある.（ア）は誤差逆伝播法において,（イ）ことによって生じるとされている.（ア）に対処するための方法として,あらかじめ良い重みの初期値を計算する（ウ）や,活性化関数に（エ）を利用する方法などがある.
loading!!
