AI実装検定A級～模擬試験④～ 2024年12月8日2024年12月8日 ailearn 1. A B C D None 2. 誤差逆伝播法において、勾配クリッピングを適用する目的は何ですか？ 勾配が消失するのを防ぐため 勾配が爆発するのを防ぐため 誤差を直接修正するため 勾配を小さくするため None 3. 誤差の微分を計算する際に、勾配がゼロになる点はどのような意味を持ちますか？ 誤差が最大化される点 モデルが最適化されていない点 誤差が最小化される点 モデルの学習が停止する点 None 4. 誤差逆伝播法において、どのように勾配が計算されますか？ 出力層から順に勾配を計算していく 入力層から順に勾配を計算していく 各層で独立して勾配が計算される 勾配は固定されているため、計算は不要 None 5. A B C D None 6. 誤差逆伝播法を効率化するために、モメンタム法を導入する理由は何ですか？ モメンタム法は誤差を直接修正するため モメンタム法は勾配消失を防ぐため モメンタム法は勾配の振動を抑え、収束を早めるため モメンタム法は損失関数を変更するため None 7. 誤差逆伝播法を使用する際、学習率を自動的に調整する「Adam」の利点は何ですか？ すべてのパラメータに同じ学習率を適用できる 勾配消失を完全に防げる パラメータごとに異なる学習率を適用し、最適化を加速させる 勾配を計算する必要がなくなる None 8. 誤差逆伝播法で計算される「勾配」とは何を指しますか？ 誤差と出力の積 損失関数に対するパラメータの変化率 パラメータの値そのもの 出力の総和 None 9. 集合 A={2,4,6} と集合 B={4,5,6} において、相対補集合 B∖A はどれですか？ {4,5,6} {2,4,6} {5} ∅ None 10. ベイズの定理において、事前確率と事後確率の違いはどれですか？ 事前確率は新しい情報を考慮した確率で、事後確率は過去のデータに基づく確率 事前確率は外的情報を考慮せず、事後確率は新しい情報を考慮した確率 事前確率は条件付き確率、事後確率は無条件の確率 事前確率は過去のデータに基づき、事後確率は無条件の確率 None 11. ある製品が市場に登場する確率をベイズの定理で計算する際に、事前確率がほぼゼロに近い場合、事後確率がどのように変化するか？ 事前確率がほぼゼロでも、事後確率は感度に依存する 事後確率もゼロに近づく 事後確率は常に一定になる 事後確率は特異度に依存する None 12. A B C D None 13. ある病気に関するテストの特異度が95%であるとします。この特異度は何を意味しますか？ テストが陽性である確率が95% 患者が病気であるときにテストが陽性を示す確率が95% 患者が健康であるときにテストが陰性を示す確率が95% 患者が病気であるときにテストが陰性を示す確率が95% None 14. 誤差の微分が急激に変化する場合、どのような問題が発生する可能性がありますか？ 過学習 勾配消失 勾配爆発 モデルの複雑化 None 15. A B C D None 16. 誤差逆伝播法の主な目的は何ですか？ モデルの学習を高速化するため モデルの出力を予測するため 勾配を計算し、パラメータを更新するため データセットを正規化するため None 17. あるテストで陽性反応が出た場合、その人が病気である確率を求めるために使用されるのは次のどれですか？ 事前確率 感度 特異度 事後確率 None 18. A B C D None 19. 連鎖律を用いた誤差逆伝播法において、ニューラルネットワークのパラメータ更新を効率化するために最も適切な手法はどれですか？ モメンタム法 L1正則化 学習率を固定する シグモイド関数を使用する None 20. 誤差関数の微分が非線形関数である場合、最適化に与える影響は何ですか？ 最適化が容易になる 最適化が非線形に複雑化する 最適化に影響しない モデルのバイアスが増加する None 21. 誤差逆伝播法において、バッチ正規化を導入する主な目的はどれですか？ 勾配爆発を防ぐため 重みの初期化を改善するため 各層の出力を安定させ、学習を効率化するため 損失関数の最適化を行うため None 22. ニューラルネットワークにおける「誤差逆伝播法」は、誤差の微分をどのように活用しますか？ 隠れ層の出力を修正するため 重みの更新を計算するため 出力層の活性化関数を変更するため データの前処理を行うため None 23. 誤差の微分が非常に小さくなることで発生する「勾配消失問題」を回避するために、どの手法が有効ですか？ 活性化関数をReLUに変更する シグモイド関数を使用する 重みの初期化をランダムにする 学習率を増加させる None 24. A B C D None 25. A={1,3,5} と集合 B={2,3,4,5} に対する相対補集合 A∖B は次のうちどれですか？ {1,3} {1} {3,5} {1,5} None 26. A B C D None 27. A B C D None 28. 誤差逆伝播法で活性化関数としてReLUがよく使用される理由はどれですか？ ReLUは計算が簡単で、勾配消失問題を防ぎやすいため ReLUは出力が常にゼロになるため ReLUは二次関数の特性を持つため ReLUは正規化を自動で行うため None 29. A B C D None 30. A B C D None 31. A B C D None 32. 非線形誤差関数における「局所最小値」に陥らないために有効な手法はどれですか？ 学習率を非常に小さく設定する 学習を途中で停止する モデルの初期化をランダムに行う 誤差の微分をゼロにする None 33. ベイズの定理を使用してマーケティング効果を測定する際、以下のどの要素が事後確率を最も変動させる可能性がありますか？ 事前確率の変動 特異度の変動 広告の回数 感度の変動 None 34. 誤差関数の微分を利用する代表的なアルゴリズムはどれですか？ 勾配降下法 K平均法 サポートベクターマシン ロジスティック回帰 None 35. 誤差の微分が非凸関数である場合、勾配降下法において起こり得る現象はどれですか？ 勾配降下法は常にグローバル最適解に到達する 勾配が無視される 勾配が線形になる 局所最小値に留まる可能性がある None 36. 連鎖律はニューラルネットワークのどの部分で活用されますか？ 誤差関数の計算 出力層での活性化関数の計算 勾配を逆方向に伝播する際の計算 モデルの初期化 None 37. ある検査での事前確率が非常に低い場合、ベイズの定理を使用して事後確率を計算するときの影響はどのようになりますか？ 特異度が低いと事後確率は大幅に上昇する 感度が高いと事前確率が重要ではなくなる 感度が高くても事後確率は低くなる傾向がある 特異度が低くても事後確率は影響を受けない None 38. 誤差逆伝播法において、連鎖律を利用する最大の利点は何ですか？ 誤差を拡大することができる モデルの複雑さを軽減できる 勾配消失を防げる 各層でのパラメータ更新を効率的に行える None 39. ニューラルネットワークにおける「重みの初期化」が誤差の微分に与える影響はどれですか？ 誤差の微分に影響を与えない 重みが大きすぎると勾配が爆発し、学習が不安定になる 重みが小さいと誤差がゼロに収束する 重みの初期化は勾配に関係しない None 40. ニューラルネットワークにおいて、深層層で連鎖律を用いた勾配計算が失敗しやすい理由はどれですか？ 活性化関数が非線形だから 勾配消失が発生するため 勾配が大きくなりすぎるため 学習率が不適切だから None 41. 誤差逆伝播法において、リカレントニューラルネットワーク（RNN）で勾配消失を防ぐための適切な手法はどれですか？ シグモイド関数を使用する LSTMやGRUを用いたアーキテクチャを採用する RNNの層数を増やす 学習率を増加させる None 42. 誤差逆伝播法の計算が効率的に行われるために、どのようなテクニックが使用されますか？ 勾配クリッピング モメンタム法 ミニバッチ学習 チェーンルール None 43. A B C D None 44. A B C D None 45. ある市場で新商品が導入され、消費者がその商品を購入する確率をベイズの定理を使って推定する場合、次のどの情報が必要ですか？ 商品の価格、広告の効果、消費者の購買意欲 事前確率、条件付き確率、商品の販売実績 事後確率、条件付き確率、競合商品の価格 広告費用、商品の市場シェア、消費者レビュー None 46. 誤差逆伝播法はどのようなタイプのニューラルネットワークに適用されますか？ フィードフォワード型ニューラルネットワーク 再帰型ニューラルネットワーク（RNN） 畳み込みニューラルネットワーク（CNN） 全てのニューラルネットワーク None 47. 連鎖律（Chain Rule）とは、何を説明するための手法ですか？ 複数の関数の積分を行う手法 変数が連鎖している関数の微分を計算する手法 行列の計算を効率化する手法 ニューラルネットワークのパラメータを最適化する手法 None 48. 誤差逆伝播法において、連鎖律が勾配消失問題を引き起こすことを防ぐための手法はどれですか？ 勾配クリッピングを行う 学習率を減少させる 活性化関数としてReLUを使用する 活性化関数としてシグモイドを使用する None 49. 誤差関数の微分を用いる目的は何ですか？ モデルの予測精度を測定するため 勾配降下法を通じてモデルのパラメータを最適化するため データセットの分散を計算するため モデルの出力を標準化するため None 50. 勾配消失問題が発生する場合、どのように誤差の微分を扱うべきですか？ 微分値を大きくするために活性化関数を変更する 勾配を無視して重みを直接変更する 誤差逆伝播を使用しない 勾配を小さくするためにバッチ正規化を行う None 51. A B C D None 52. 以下のうち、連鎖律を適用した微分の順番として正しいものはどれですか？ 外側の関数から内側の関数へ微分する 内側の関数から外側の関数へ微分する 同時に全ての関数を微分する 関数を積分してから微分する None 53. 事象 A と事象 B が独立である場合、ベイズの定理の式はどのようになりますか？ P(A∣B)=P(B) P(A∣B)=P(A)P(B) P(A∣B)=P(A) P(A∣B)=P(A∩B) None 54. 集合 A={2,4,6} と集合 B={1,2,3,4,5} に対して、 (A∖B)∪(B∖A) の結果はどれですか？ {1,2,3,4,5,6} {2,4,6} {1,3,6} {1,3,5,6} None 55. 誤差逆伝播法において、ミニバッチ学習を採用する利点は何ですか？ 学習速度が低下する 計算資源の効率化と勾配の安定化 パラメータの更新が遅くなる 学習率を小さくできる None 56. 誤差逆伝播法において、どの損失関数が一般的に使用されますか？ クロスエントロピー損失 ロジスティック損失 平均絶対誤差（MAE） 平均二乗誤差（MSE） None 57. 誤差の微分を計算する際に使用される「連鎖律」とは何ですか？ 微分を無視する手法 一度に複数の変数を微分する手法 複数の関数を順に微分する手法 微分を逆方向に伝播させる手法 None 58. ニューラルネットワークの学習において、連鎖律を用いた誤差逆伝播法が勾配消失を引き起こす場合の対策として最も適切なものはどれですか？ シグモイド関数を使用する 学習率を増加させる ReLU関数を使用する ニューラルネットワークの層を減らす None 59. A B C D None 60. A B C D None Time's up
