1.
GANの訓練中に「勾配消失問題」が発生する主な原因は何ですか？
2.
VAE（Variational Autoencoder）における「潜在空間」を正規分布に従わせる目的は何ですか？
3.
データ生成に用いられる「VAE」とは何の略ですか？
4.
GANにおける「ミニバッチディスクリミネーション」は何を解決するための技術ですか？
5.
GANの「スタイル転送（Style Transfer）」の応用例として最も適切なものはどれですか？
7.
データ生成において「自己回帰モデル」が有効な理由は何ですか？
8.
Conditional GAN（CGAN）が従来のGANと異なる主な点はどれですか？
9.
データ生成における「データ拡張（Data Augmentation）」の目的は何ですか？
10.
GANの識別モデルが非常に強力である場合、生成モデルはどのような結果をもたらす可能性がありますか？
11.
生成モデルにおいて「潜在空間の連続性」が重要な理由は何ですか？
13.
「データ生成モデル」の評価指標として「Inception Score（IS）」が使用される理由は何ですか？
14.
GANのトレーニングにおいて、識別モデルが「トレーニング進行中に常に正確な結果を出しすぎる」場合、どのような問題が発生しますか？
15.
データ生成モデルの評価指標として使用される「FIDスコア」とは何ですか？
16.
生成モデルが「潜在変数」を使用する理由は何ですか？
17.
GANの改良版である「Progressive Growing of GANs」の主な特徴は何ですか？
18.
データ生成手法として「自己回帰モデル」が適用されるタスクとして適切なものはどれですか？
19.
GANにおいて「生成モデル」の役割は何ですか？
20.
Conditional GAN（CGAN）の主な特徴は何ですか？
21.
GANの訓練中に発生する問題として知られている「モード崩壊（Mode Collapse）」とは何ですか？
22.
GANにおいて「識別モデル」の役割は何ですか？
23.
VAEの潜在空間で行われる「再パラメータ化トリック」の役割は何ですか？
24.
データ生成に用いられる代表的な手法である「GAN」は何の略ですか？
25.
生成モデルのトレーニングにおいて「ラベルスムージング」が導入される理由は何ですか？
26.
WGAN（Wasserstein GAN）の特徴は何ですか？
