（ア）に最もよくあてはまる選択肢を 1 つ選べ.

1990 年代の音声認識は（ア）による,音自体を判別するための音響モデルと,（イ）による語と語のつながりを判別する言語モデルの両方でできている.しかし,ディープラーニングの登場,とりわけ（ウ）の登場により,音響特徴量から音素,文字列,更には単語列に直接変換する End to End モデルというアプローチを取ることが可能になり,人的に前処理を行わなくても解析することが可能となった.

（イ）に最もよくあてはまる選択肢を 1 つ選べ.

画像データに対しては,前処理を施すことが多い.カラー画像を白黒画像に変換して計算量を削減する（ア）や,細かいノイズの影響を除去する（イ）,画素ごとの明るさをスケーリングする（ウ）などがこれに含まれる.

ディープラーニングの使用の注意点として,最も適切な選択肢を 1 つ選べ.

（ウ）に最もよくあてはまる選択肢を 1 つ選べ.

畳み込みニューラルネットワークの手法について扱う.（ア）は 1998 年に提案された,現在広く使われている CNN の元となるモデルであり,初めて多層 CNN に誤差逆伝播法を適用した手法である.2012 年に提案された（イ）は,画像認識のコンペティション ILSVRC で他手法に圧倒的な差をつけて優勝し,画像認識におけるディープラーニング活用の火付け役となった.しかし,一般に CNN は層を深くすると,パラメータ数が膨大となり学習が困難になってしまう傾向があった.層が深くなってもうまく学習を行うことができるモデルとして,ILSVRC2015 において多くの部門でトップの成績を収めた（ウ）がある.（ウ）は出力を入力と入力からの差分の和で表現したニューラルネットワークモデルである.

（ウ）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の技術を利用したシステムを開発する際,複雑な処理が比較的簡潔に記述できることから,既存のフレームワークを利用することも多い.ディープラーニングのフレームワークは複数あり,google 社提供の（ア）や（ア）のラッパーとして機能する（イ）,国内企業である PreferredNetworks 社で開発された（ウ）などがある.また,（エ）は（ウ）と同じ Define-by-Run 方式を採用している.

1950 年代頃よりコンピューターの使用が開始されると,計算だけでなく思考機械の研究が始まった.人工知能研究の変遷として,適切な選択肢を 1 つ選べ.

強化学習の説明として誤りである選択肢を 1 つ選べ.

（ウ）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.

（ア）に最もよくあてはまる選択肢を 1 つ選べ.

機械学習において,重み更新に関わる単位として,（ア）と（イ）がある.（ア）は,重みが更新された回数であり,（イ）は訓練データを何回繰り返し学習したかを表す単位である.また一回の（ア）に用いるサンプル数は（ウ）と呼ばれる.

CNN で行われる畳み込み演算の計算処理について考える.5×5 のサイズの画像に対して,3×3 のフィルタをパディング 1,ストライド 1 で適用した場合の出力の図のサイズを答えよ.