AI実装検定S級~模擬試験①~

1. 
GoogLeNetの「Inceptionモジュール」の設計において、次元削減を行わないとどのような影響がありますか?

2. 
GoogLeNetの設計において、Inceptionモジュールを使用する利点は何ですか?

3. 
seq2seqモデルにおいて、「学習時のスケジュールサンプリング」が持つ効果は何ですか?

4. 
GPT(Generative Pre-trained Transformer)モデルがBERTとは異なる点は何ですか?

5. 
GoogLeNetにおいて「複数の出力層(auxiliary classifiers)」を追加する目的は何ですか?

6. 
Transformerモデルにおける「自己注意機構(Self-Attention)」の役割は何ですか?

7. 
GoogLeNetの「Inceptionモジュール」における「5x5の畳み込み層」を削除した場合、予想される影響は何ですか?

8. 
VGG16において「16」という数字が示しているものは何ですか?

9. 
GoogLeNetにおいて、各Inceptionモジュールで「3x3の畳み込み層」を使用する理由は何ですか?

10. 
seq2seqモデルにおいて、入力シーケンスの長さが異なるデータを処理するために最も適している手法はどれですか?

11. 
VGGネットワークの層の総数が多い理由は何ですか?

12. 
WideResNetの幅を増やすことによる「表現力」の向上が、どのようにモデルの性能に影響を与える可能性がありますか?

13. 
VGGネットワークが多くのパラメータを持つことの欠点を軽減するために、近年利用される技術は何ですか?

14. 
WideResNetの主な目的は何ですか?

15. 
seq2seqモデルにおいて、「ペナルティ付きビームサーチ」が適用される理由は何ですか?

16. 
Transformerモデルにおける「ドロップアウト」の目的は何ですか?

17. 
Transformerモデルがseq2seqモデルに対して持つ最大の利点は何ですか?

18. 
VGGネットワークが従来のCNNモデルと比較して持つ利点は何ですか?

19. 
Transformerモデルにおいて「残差接続(Residual Connection)」の目的は何ですか?

20. 
seq2seqモデルにおいて、損失関数として「クロスエントロピー損失」がよく使用される理由は何ですか?

21. 
Transformerモデルにおいて「Layer Normalization(層正規化)」が行われる主な理由は何ですか?

22. 
ResNetで「恒等写像(Identity Mapping)」が重要な理由は何ですか?

23. 
WideResNetが従来のResNetと異なる点は何ですか?

24. 
ResNetが「非常に深いネットワーク」においても有効に機能する理由は何ですか?

25. 
VGGネットワークの「プーリング層」の主な役割は何ですか?

26. 
ResNetの「ボトルネックブロック」が非常に深い層でも有効に機能する理由は何ですか?

27. 
seq2seqモデルにおける「双方向エンコーダ(Bidirectional Encoder)」の利点は何ですか?

28. 
GoogLeNetの「Inception-v3」と「Inception-v1」の主な違いは何ですか?

29. 
ResNetの「学習率スケジューリング」が訓練において重要である理由は何ですか?

30. 
GoogLeNetの設計で「プーリング層」を使用する主な目的は何ですか?

31. 
VGGネットワークにおける「ゼロパディング」の主な役割は何ですか?

32. 
seq2seqモデルで「デコーダ」が生成するのは何ですか?

33. 
VGGネットワークで使用される「最大プーリング(Max Pooling)」の主な目的は何ですか?

34. 
Transformerモデルにおいて「エンコーダスタック」と「デコーダスタック」の役割の違いは何ですか?

35. 
VGGネットワークの設計において、特徴的な要素は何ですか?

36. 
自己回帰型Transformerモデルにおいて「学習時と推論時のギャップ」を軽減する手法はどれですか?

37. 
GoogLeNetのInceptionモジュールにおいて、「1x1の畳み込み層」を事前に適用しない場合、どういった問題が発生する可能性がありますか?

38. 
GoogLeNetの設計において、「dropout」を使用する理由は何ですか?

39. 
「クロスアテンション」とは何ですか?

40. 
ResNetの「スキップ接続」の動作により、勾配消失問題が軽減される理由は何ですか?

41. 
seq2seqモデルにおいて、「BLEUスコア」とは何を測定する指標ですか?

42. 
GoogLeNetが従来のCNNモデルよりも効率的に計算できる理由は何ですか?

43. 
ResNet/WideResNetにおける「Global Average Pooling(GAP)」の使用は何を目的としていますか?

44. 
GoogLeNetの「auxiliary classifiers」を使用しない場合、どのような影響がありますか?

45. 
seq2seqモデルの性能評価において、「精度」よりも「F1スコア」を使用する理由は何ですか?

46. 
VGGネットワークが「事前学習済みモデル」としてよく使用される理由は何ですか?

47. 
VGGネットワークが通常使用する活性化関数は何ですか?

48. 
VGGネットワークの設計において「全結合層」を使用する目的は何ですか?

49. 
Transformerモデルにおける「マルチヘッドアテンション」の目的は何ですか?

50. 
GoogLeNetにおける「正則化技術」が必要とされる理由は何ですか?

コメントを残すにはログインしてください。