AI実装検定A級～模擬試験③～ 2024年12月8日2024年12月8日 ailearn 1. MSEを損失関数として用いる回帰モデルで、出力が連続値でない場合、どのような影響が生じますか？ 誤差が無視される モデルが誤った出力を学習する MSEがゼロになる 損失関数が収束しない None 2. 正解値（ラベル）を導入することで、学習アルゴリズムが行う主なタスクはどれですか？ クラスタリング 分類 次元削減 強化学習 None 3. A B C D None 4. 正解値を導入する際の「アノテーション」とは何を指しますか？ データの前処理 特徴量の選択 モデルの評価 ラベル付けの作業 None 5. A B C D None 6. A={1,2,3}, B={2,3,4}, C={3,4,5} であるとき、積集合 A∩B∩C はどれですか？ {2,3,4} {1,2,3} {3} {1,5} None 7. 深層ニューラルネットワークでSigmoid関数を複数層で使用することが推奨されない理由は何ですか？ 勾配消失問題が発生しやすいため 非線形性が失われるため 計算コストが高いため 出力が確率ではなくなるため None 8. 正解値を持つデータセットにおけるモデルの性能評価指標として最も適切なのはどれですか？ 分散 平均二乗誤差 精度 分類損失 None 9. 正解値が誤っている場合にモデルに与える影響は何ですか？ モデルの精度が向上する モデルの過学習が進行する モデルの性能が低下する モデルの学習速度が向上する None 10. A B C D None 11. A B C D None 12. 二乗和誤差の代替指標として、外れ値に対してより頑健な指標はどれですか？ ロジスティック損失 平均絶対誤差（MAE） クロスエントロピー損失 AUC None 13. Sigmoid関数の出力をバッチ正規化で調整することの利点は何ですか？ 勾配消失問題を完全に解決できる Sigmoid関数の出力範囲が広がる 勾配爆発を防ぐ 各層の出力がゼロ中心に近づき、学習効率が向上する None 14. A B C D None 15. A B C D None 16. ある試験で2問の正解が独立しているとします。各問題の正解確率が70%のとき、2問とも正解する確率はどれですか？ 0.7 0.84 0.14 0.49 None 17. 集合 A={1,2,3,4} と集合 B={3,4,5,6} の積集合 A∩B はどれですか？ {1,2} {3,4} {5,6} {1,6} None 18. 2つの集合 𝐴 と 𝐵 において、共通する要素を持つ集合を表す演算はどれですか？ 和集合 積集合 差集合 補集合 None 19. Sigmoid関数の出力が1に非常に近い場合、微分の値はどうなりますか？ 非常に大きい 1 0 -1 None 20. Sigmoid関数とReLU関数の最大の違いはどれですか？ Sigmoid関数は出力が0から1の範囲であるが、ReLUは出力が0から無限大 ReLU関数は非線形性を持たない Sigmoid関数は負の入力に対して線形である ReLU関数は負の入力に対して非線形である None 21. 正解値の導入が行われる典型的な応用例はどれですか？ クラスタリング 主成分分析 ロジスティック回帰 K平均法 None 22. A B C D None 23. 二乗和誤差（MSE）を最小化する際に、バッチサイズを変更することが学習プロセスに与える影響は何ですか？ バッチサイズを大きくすると学習速度が速くなり、誤差が減少する バッチサイズを大きくすると学習のばらつきが減少し、収束が安定する バッチサイズを小さくするとMSEが最小化されやすくなる バッチサイズを変更しても学習に影響はない None 24. Sigmoid関数の特性を持つ他の関数はどれですか？ ReLU Softmax Linear Tanh None 25. 正解値が曖昧なデータセットに対して、モデルの精度を向上させるために使用できるもう一つの手法はどれですか？ データの分散を高める 正解ラベルを無視して学習を行う 教師なし学習を併用する 確率的アンサンブル学習を用いる None 26. 正解値が曖昧である場合、モデルに対してどのようなアプローチを採用するのが最適ですか？ 正則化を強化する 損失関数にラベルスムージングを組み込む 高い学習率で訓練する クラスタリング手法を使う None 27. 正解値が不完全で、かつデータ量が少ない状況でモデルの精度を高めるために最も適した手法はどれですか？ 正則化とハイパーパラメータチューニング データ拡張と転移学習 強化学習 データのランダムサンプリング None 28. A B C D None 29. 集合 A={1,2,3,4} と集合 B={3,4,5,6} の積集合と和集合の要素数を比較すると、どのような関係が成り立ちますか？ 和集合の要素数が積集合の要素数を上回る 和集合の要素数が積集合の要素数と等しい 和集合の要素数が積集合の要素数を下回る 和集合は空集合である None 30. A B C D None 31. MSEが大きくなるとモデルの予測性能はどうなりますか？ モデルの予測精度が高い モデルの予測精度が低い MSEはモデルの性能に影響しない モデルの予測が安定する None 32. A B C D None 33. 3つの独立なイベント A,B,C の確率がそれぞれ P(A)=0.6, P(B)=0.7, P(C)=0.8 であるとき、これらのイベントがすべて発生する確率はどれですか？ 0.336 0.048 0.672 0.420 None 34. 集合 A={1,2,3} と集合 B={2,3,4} の和集合 A∪B はどのようになりますか？ {1,2} {2,3} {1,2,3,4} {1,4} None 35. Sigmoid関数を用いたロジスティック回帰モデルが、確率的解釈に優れている理由は何ですか？ 出力が連続値を取るため 出力が0から1の範囲に収まるため 出力が非線形であるため 入力に対して線形な応答を持つため None 36. Sigmoid関数を活性化関数として使用した場合、どのようなデータ標準化手法が効果的ですか？ データの正規化（0から1へのスケーリング） データのZスコア正規化 入力値の絶対値正規化 データの対数変換 None 37. 二乗和誤差（MSE）を損失関数として使用する際、学習率を高く設定しすぎた場合に発生する可能性がある問題はどれですか？ モデルが過学習する モデルのパラメータが大きくなりすぎる 勾配降下法が発散し、MSEが増加する MSEがゼロに収束する None 38. 正解値を導入せずに学習する「生成モデル」の代表的な手法はどれですか？ ロジスティック回帰 GAN（Generative Adversarial Network） サポートベクターマシン k-近傍法 None 39. Sigmoid関数を多層パーセプトロンの隠れ層で用いた際、勾配消失問題が発生する可能性が高い状況はどれですか？ 入力データがゼロ中心の分布でない場合 層が深くなる場合 学習率が大きすぎる場合 データの標準化が行われていない場合 None 40. Sigmoid関数の微分が0に近づくと、学習過程にどのような影響を与えますか？ 学習率が増加する モデルが過学習する 勾配降下法の収束速度が向上する パラメータ更新が大幅に減少する None 41. A B C D None 42. 和集合 A∪B∪C の要素数を求めるには、どの式を使用すべきですか？ ∣A∪B∪C∣=∣A∣+∣B∣+∣C∣ ∣A∪B∪C∣=∣A∣+∣B∣+∣C∣−∣A∩B∣−∣B∩C∣−∣C∩A∣ ∣A∪B∪C∣=∣A∣+∣B∣+∣C∣−∣A∩B∣−∣B∩C∣+∣A∩B∩C∣ ∣A∪B∪C∣=∣A∪B∣+∣C∣ None 43. 集合 A={1,2,3} と集合 B={4,5,6} の積集合 A∩B はどのような集合になりますか？ {1,2,3,4,5,6} ∅ {1,4} {3,5} None 44. 5人のグループから3人を選ぶとき、異なる組み合わせは何通りあるか？ 10通り 5通り 20通り 15通り None 45. P(A∩B)=0 である場合、事象 𝐴 と事象 𝐵 はどのような関係にありますか？ 独立 同時発生 補集合 排反 None 46. 回帰問題において、MSEを使用する場合の最適化目標は何ですか？ 誤差を最大化すること 正解値を増やすこと 誤差を最小化すること モデルの複雑さを増やすこと None 47. 和集合 A∪B を表す正しい説明はどれですか？ A の要素のみを含む集合 A または B のいずれか、または両方の要素を含む集合 A と B の共通部分のみを含む集合 B の要素のみを含む集合 None 48. A B C D None 49. Sigmoid関数を使用する際のデメリットとして、勾配消失以外の問題点はどれですか？ 出力が負の値を取ること 出力が確率を表さないこと 出力の値が極端な場合に学習が遅くなること 出力が分布に従わないこと None 50. 2つの集合 𝐴 と 𝐵 が独立であるとき、次の関係式はどれですか？ P(A∩B)=P(A)+P(B) P(A∩B)=P(A)−P(B) P(A∩B)=P(A)P(B) P(A∩B)=P(A)/P(B) None 51. 二乗和誤差が適用されるのはどのようなタスクですか？ 分類タスク 強化学習 クラスタリング 回帰タスク None 52. A B C D None 53. P(A) が事象 𝐴 の確率を表すとき、次のうち必ず成り立つものはどれですか？ 0≤P(A)≤1 P(A)≥1 P(A)≤0 P(A)=0 のみが可能 None 54. 正解値が間違ってラベル付けされているデータセットに対して、モデルの性能を向上させるために最も効果的なアプローチはどれですか？ クロスエントロピー損失関数を使用する 学習率を減少させる ノイズ除去技術を用いた前処理を行う 過学習を防ぐためにアーリーストッピングを使用する None 55. ラベルノイズが含まれるデータセットにおいて、モデルの一般化能力を向上させるための手法はどれですか？ データの正規化 データ拡張 正則化 ラベルスムージング None 56. A B C D None 57. 正解値を導入する方法が最も適用される学習方法はどれですか？ 教師あり学習 教師なし学習 強化学習 半教師あり学習 None 58. 集合 A={1,2,3,4,5} に対して、部分集合 B={2,4} であるとき、 𝐵 は 𝐴 に含まれる集合です。このような関係を何と呼びますか？ 包含関係 同値関係 交わり 全射関係 None 59. MSEを使用した最適化において、損失関数の局所最小値に陥るリスクを軽減するための手法はどれですか？ 初期化時にランダムな値を使用する データをスケーリングしない モデルの複雑さを増やす MSE以外の損失関数を使用する None 60. A B C D None Time's up
