1.
RNNを使用したシーケンス生成モデルで、次のタイムステップの予測を生成する際、予測結果が繰り返し使用されることによる誤差の累積を防ぐために使われる手法はどれですか？
2.
次の中で、GRUとLSTMの主な違いとして正しいものはどれですか？
3.
Bidirectional LSTMのメリットとして、最も適切なものはどれですか？
4.
次のうち、LSTMが通常のRNNに比べて勾配消失問題に対処できる理由として正しいものはどれですか？
5.
リカレントニューラルネットワーク（RNN）の最大の特徴は何ですか？
6.
次の文脈に最も適したアーキテクチャを選んでください：「非常に長いシーケンスを処理し、長期的な依存関係をより効率的にモデル化できる手法」
7.
リカレントニューラルネットワーク（RNN）で頻繁に使用される勾配消失問題とは何ですか？
8.
次のうち、Seq2SeqモデルのDecoder部分で使われる典型的なRNNアーキテクチャはどれですか？
9.
次のうち、RNNの代表的なアプリケーションはどれですか？
10.
次のRNNモデルのうち、長期依存の問題を解決するために設計されたモデルはどれですか？
11.
RNNで使用される「状態ベクトル」は、どのような役割を果たしますか？
12.
RNNの勾配爆発問題に対処するために採用される技術は次のうちどれですか？
13.
リカレントニューラルネットワーク（RNN）の順伝播において、各タイムステップで計算される出力は何に基づいていますか？
14.
次の中で、「Attention Mechanism」を利用する利点は何ですか？
15.
次のうち、RNNにおいて双方向の情報フローを活用するモデルはどれですか？
16.
リカレントニューラルネットワーク（RNN）における「Teacher Forcing」の目的は何ですか？
17.
リカレントニューラルネットワーク（RNN）における「バックプロパゲーション・スルー・タイム（BPTT）」の最大の課題は何ですか？
18.
次のうち、RNNの一種ではないものはどれですか？
19.
Gated Recurrent Unit（GRU）の特徴として正しいものはどれですか？
20.
RNNのバックプロパゲーションでは、勾配がどのように計算されますか？
