1.
VAEにおける「再構成誤差」と「KLダイバージェンス」のバランスを取る理由は何ですか？
2.
デノイジングオートエンコーダの訓練過程において、入力データにノイズを加える目的は何ですか？
3.
オートエンコーダを異常検知に使用する際、異常データが検出される基準は次のうちどれですか？
4.
デノイジングオートエンコーダが、入力データに意図的にノイズを加えた状態で学習を行う理由は何ですか？
5.
次のうち、オートエンコーダが適用される典型的なタスクはどれですか？
6.
変分オートエンコーダ（VAE）が従来のオートエンコーダと異なる点は何ですか？
7.
オートエンコーダのエンコーダ部分の出力は何を示していますか？
8.
スパースオートエンコーダが通常のオートエンコーダと異なる点は何ですか？
9.
オートエンコーダの出力層は何を生成しますか？
10.
オートエンコーダはどのようなタイプのニューラルネットワークですか？
11.
変分オートエンコーダ（VAE）の損失関数に含まれる「KLダイバージェンス」は何を表しますか？
13.
VAEが新しいデータを生成できる理由は何ですか？
14.
オートエンコーダにおいて、潜在変数（Latent Variables）が重要とされる理由は何ですか？
15.
オートエンコーダのエンコーダ部分で行われる処理は何ですか？
16.
オートエンコーダの出力が入力と同一であることを確認するために使用される損失関数はどれですか？
17.
オートエンコーダが次元削減に適している理由は何ですか？
18.
オートエンコーダのアーキテクチャには、次のどの層が含まれますか？
19.
スパースオートエンコーダが入力データに対して「スパースな表現」を学習する目的は何ですか？
20.
スパースオートエンコーダが有効な理由は何ですか？
21.
オートエンコーダの再構成誤差（Reconstruction Error）とは何ですか？
22.
オートエンコーダにおいて、再構成されたデータの品質を改善するために使われる技術は次のどれですか？
23.
オートエンコーダの潜在変数（Latent Variables）とは何ですか？
24.
変分オートエンコーダ（VAE）において、潜在空間を確率分布としてモデル化する利点は何ですか？
25.
オートエンコーダが他のニューラルネットワークと異なる特徴はどれですか？
26.
オートエンコーダを使った異常検知において、異常なデータはどのように検出されますか？
