G検定模擬試験set1 - 未解答
（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.
ニューラルネットワークの学習には勾配降下法が用いられる.勾配降下法の手順を適切な順番に並べ替えたとき,4番目になるのはどれか.
A．重みとバイアスを初期化する.
B．誤差を減らすように重み（バイアス）を修正する.
C．最適な重みやバイアスになるまで繰り返す.
D．ネットワークの出力と正解ラベルとの誤差を計算する.
E．データ（ミニバッチ）をネットワークに入力し出力を得る.
（ウ）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の学習は,損失関数（コスト関数）の最適化により行われる.そして,その損失関数は学習の目的に応じて決定する.よく使われる損失関数として,回帰問題には（ア）,分類問題には（イ）がある.また分布を直接学習する際には（ウ）が用いられることもある.さらに,損失関数にパラメータの二乗ノルムを加えると（エ）となる.
（イ）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.
（ア）に最もよくあてはまる選択肢を 1 つ選べ.
ディープラーニングはソフトウェアフレームワークを利用して実装するのが一般的である.多層のニューラルネットワークモデルを定義し,データを用いて学習・予測を実行するのがフレームワークの役割だが,重要なのはネットワークの記述方法とその柔軟性である.ネットワークには大きく分けて 二つの記述方法がある.一つ目は（ア）による記述方法である.これらの記述方法を採用しているソフトウェアには（イ）があげられる.この方法を用いることによって,モデルの定義がテキストで設定でき,簡単に学習を開始させることが出来るというメリットがある.一方で,ループ構造をもつような RNN など,複雑なモデルを扱う際には,モデルの定義を記述することは難しくなる傾向にある.二つ目は（ウ）による記述方法である.代表的なフレームワークとして（エ）があげられる.一度書き方を覚えてしまえば,複雑なモデルでも比較的簡単に記述することが出来るが,モデルは,それぞれのフレームワーク固有のソースコードで出来上がるため,モデルが使用しているソフトウェアに依存してしまうという問題がある.
（解説あり）（イ）に最もよくあてはまる選択肢を 1 つ選べ.
自動運転レベル5 に至るには,2 つのアプローチが存在している.1 つは自動運転レベル1 から徐々に運転自動化の範囲を広げていくアプローチ,もう1 つは直接レベル3以上の自動運転を目指そうとするものである.この時,前者のレベル1 から徐々に運転自動化を目指すアプローチを採っているプレイヤーは （ア） などである.他方で,後者の直接レベル3以上の運転自動化を目指すアプローチを採っているプレイヤーは （イ） である.また後者のアプローチを採る企業として著名なのは,google 社傘下の （ウ） 社である.
ニューラルネットワークの学習には勾配降下法が用いられる.勾配降下法の手順を適切な順番に並べ替えたとき,3番目になるのはどれか.
A．重みとバイアスを初期化する.
B．誤差を減らすように重み（バイアス）を修正する.
C．最適な重みやバイアスになるまで繰り返す.
D．ネットワークの出力と正解ラベルとの誤差を計算する.
E．データ（ミニバッチ）をネットワークに入力し出力を得る.
（イ）に最もよくあてはまる選択肢を 1 つ選べ.
機械が試行錯誤することで,取るべき最善の行動を決定する問題を扱うことができる学習方法を（ア）という.（ア）はボードゲームや自動運転,またロボットの歩行動作などに活用されている.代表的なアルゴリズムに （イ）があげられる.（ア）の課題として,主に（ウ）や（エ）などが挙げられる.理論的には無限に学習するが,実世界では全てが限られている.ロボットの場合,無限の試行を繰り返すことができず,損耗し,実験の続行が困難になる.そこで人間側がタスクを上手く切り分けてやさしいタスクからの学習をすることが期待される.また（エ）に関して,例として,2 体のロボット同士で学習を開始させようとすると,お互いに初期状態であるタスクについての何も知識がない状態だと,学習過程の不安定化が見られる.現在はこれに対応するために逆強化学習やディープラーニングの技術を適用した（オ）などが適用され始めている.
loading!!
