1.
ニューラルネットワークにおいて、「ドロップアウト率」を適切に設定するために考慮すべき点として最も適切なものはどれか。
2.
トレーニングデータが少ない場合に過学習を防ぐ効果的な手法として最も適切なものはどれか。
3.
過学習（Overfitting）が発生する主な原因として最も適切なものはどれか。
4.
過学習を防ぐために「早期終了（Early Stopping）」を使用する場合、重要な判断基準として適切なものはどれか。
5.
「バッチサイズ」を小さく設定すると過学習のリスクが減少する主な理由として最も適切なものはどれか。
6.
過学習を防ぐために「検証データセット」が使用される主な理由として正しいものはどれか。
7.
「正則化（Regularization）」を用いた過学習の回避方法として正しいものはどれか。
8.
モデルの「アンサンブル学習」を使用して過学習を防ぐ場合、適切な手法として最も正しいものはどれか。
9.
過学習を防ぐために「アーリークロスバリデーション（Early Cross-Validation）」を適用する場合、重要なポイントとして最も適切なものはどれか。
10.
過学習を防ぐために「データ拡張（Data Augmentation）」が使用される理由として正しいものはどれか。
11.
過学習を防ぐためにモデルの複雑さを制御する手法として正しいものはどれか。
12.
過学習を防ぐための正則化手法として「ドロップコネクト（DropConnect）」が特に有効である理由として最も適切なものはどれか。
13.
「ドロップアウト」を適用するタイミングとして適切なものはどれか。
14.
「バッチ正規化（Batch Normalization）」が過学習の防止に役立つ理由として正しいものはどれか。
15.
過学習を回避するための一般的な方法として正しいものはどれか。
