暗記メーカー

暗記メーカー

​
ログイン
4.3.ディープラーニングの研究分野
3回閲覧 • 26問 • 1年前
  • Tsuyoshi Ikeda
    • 通報

    問題一覧

  • 1

    （ア）を行うことで音声データをコンピュータで処理可能な形式に変換する。具体的には、音声を一定の時間間隔ごとに切り出す（イ）、量子化、符号化の流れで音声信号を準備する

    （ア）A-D変換 （イ）サンプリング

  • 2

    音声認識のための音響モデルを学習する際に、音を区別する上で一番重要な属性について、適切な選択肢を選べ

    音色

  • 3

    音声データを扱う手法またはモデルとして不適切な選択肢を選べ

    SegNet

  • 4

    音声モデルに音声データを入力するまえに、音声データに対して一連の前処理を行う。連続的な音波を一定の時間間隔ごとに切り出す標本化を行う際に、（ア）によると、音声データの周波数の2倍を超える周波数でサンプリングをすれば完全に復元することができる

    サンプリング定理

  • 5

    音韻とは（ア）であり、音韻が近い場合、（イ）も近い値をとる

    （ア）音波の強さを量子化したビット列 （イ）ナイキスト周波数

  • 6

    学習済みの敵対的生成ネットワーク（GAN）における理想的な状態として、適切な選択肢を選べ

    ジェネレータが生成した画像を、ディスクリミネータがもとの画像と識別できない

  • 7

    GANをベースにいくつかの画像生成モデルが派生している。これらについて不適切な選択肢を選べ

    教師なし学習を用いるPix2Pixは、教師あり学習を用いるCycleGANよりも柔軟性の高いスタイル変換を可能にする

  • 8

    多くの画像生成AIに使用されているCLIPは、（ア）をデータセットとして事前学習を行う

    ウェブ上から収集された画像とキャプションのセット

  • 9

    画像分類モデルCLIPに関する記述として、不適切な選択肢を選べ

    少量のデータで事前学習を効果的に行う

  • 10

    OpenAI社から公開されたDALL・E2について適切な選択肢を選べ

    テキストで条件付ける誘導拡散の手法を導入することで、より本物らしい画像を生成できる

  • 11

    生成AIの活用について不適切な選択肢を選べ

    プロンプトエンジニアリングでは、利用者が入力した命令文に正しく応答できるように、生成AIモデルのパラメータの調整を行う

  • 12

    文章生成モデルChatGPTについて不適切な選択肢を選べ

    ウェブから収集された膨大な量のテキストデータを用いて、教師なし学習を行うことでChatGPTが訓練される

  • 13

    ChatGPTなどの文章生成AIは（ア）に回答を生成するため、間違えた内容をあたかも事実のように答える（イ）を起こすことがある

    （ア）確率的 （イ）幻覚

  • 14

    ChatGPTの学習に用いられるReinforcement Learning from Human Feedback（RLHF）の説明として適切な選択肢を選べ

    有害なコンテンツを含む回答を出す確率を減らすことができる

  • 15

    強化学習に用いられるノイジーネットワークについて適切な選択肢を選べ

    ネットワークに外乱を付加する

  • 16

    DQNの派生版モデルについて、適切な選択肢を選べ

    ダブルDQNでは、Q関数の更新を行うネットワークとは別に、次に取る行動を決めるネットワークを別途設けている

  • 17

    シミュレーションを用いて訓練したディープラーニングのモデルを、実世界のデータに適用した際に性能が著しく下がることを防ぎたい。このために、シミュレーションに取り入れている工夫として適切な選択肢を選べ

    ドメインランダマイゼーション

  • 18

    深層強化学習を用いたロボットの訓練に適用されるsim2realについて、適切な選択肢を選べ

    ロボット制御の方策をあらかじめ学習し、学習済みの方策を実世界に転移するために使われる

  • 19

    オフライン強化学習の説明として適切な選択肢を選べ

    オフライン強化学習は過去に集めたデータを使って強化学習を行う手法であり、従来の強化学習にとって試行錯誤が困難である医療の分野への適用が期待されている

  • 20

    強化学習をボードゲームに用いる時に、自分にとっての最善手と同時に相手にとっての最悪手を探索するためのアルゴリズムとして、適切な選択肢を選べ

    Main-Max法

  • 21

    複数のエージェントが同じ環境で非同期に学習することを特徴とする強化学習アルゴリズムとして適切な選択肢を選べ

    A3C

  • 22

    2016年にDeepMind社から発表されたA3Cは、エージェントを（ア）に学習される仕組みを取り入れているために、（イ）という強みを発揮できる

    （ア）並列 （イ）学習を安定化できる

  • 23

    ロボティクス分野への深層強化学習の適用が盛んである。環境の変化に対してロボットが適切な認識と動作ができるように訓練する際に複数のセンサーから取得する異なる形式のデータを指す用語として適切な選択肢を選べ

    マルチモーダル

  • 24

    画像認識の予測に特化して、判断の根拠を可視化するモデルとして適切な選択肢を選べ

    Grad-CAM

  • 25

    最近では機械学習モデルの脱ブラックボックスにむけて、モデルの解釈性に注目した研究が進められています

    LIMEとGrad-CAMは両方とも、表形式のデータと画像データを用いた予測タスクの解釈を行うことができる

  • 26

    モデルの解釈をに関する記述として適切な選択肢を選べ

    LIMEは、特定の１つの入力データのに対する予測の根拠を説明する手法をである

    • 1.人工知能の定義と、技術動向・研究における問題

    1.人工知能の定義と、技術動向・研究における問題

    Tsuyoshi Ikeda · 23問 · 1年前

    1.人工知能の定義と、技術動向・研究における問題

    1.人工知能の定義と、技術動向・研究における問題

    23問 • 1年前
    Tsuyoshi Ikeda

    2.1.機械学習の基本概念・具体的な手法・精度評価

    2.1.機械学習の基本概念・具体的な手法・精度評価

    Tsuyoshi Ikeda · 22問 · 1年前

    2.1.機械学習の基本概念・具体的な手法・精度評価

    2.1.機械学習の基本概念・具体的な手法・精度評価

    22問 • 1年前
    Tsuyoshi Ikeda

    2.2.機械学習の基本概念・具体的な手法・精度評価

    2.2.機械学習の基本概念・具体的な手法・精度評価

    Tsuyoshi Ikeda · 20問 · 1年前

    2.2.機械学習の基本概念・具体的な手法・精度評価

    2.2.機械学習の基本概念・具体的な手法・精度評価

    20問 • 1年前
    Tsuyoshi Ikeda

    2.3.機械学習の基本概念・具体的な手法・精度評価

    2.3.機械学習の基本概念・具体的な手法・精度評価

    Tsuyoshi Ikeda · 16問 · 1年前

    2.3.機械学習の基本概念・具体的な手法・精度評価

    2.3.機械学習の基本概念・具体的な手法・精度評価

    16問 • 1年前
    Tsuyoshi Ikeda

    3.1.ディープラーニングの仕組みと応用

    3.1.ディープラーニングの仕組みと応用

    Tsuyoshi Ikeda · 17問 · 1年前

    3.1.ディープラーニングの仕組みと応用

    3.1.ディープラーニングの仕組みと応用

    17問 • 1年前
    Tsuyoshi Ikeda

    3.2.ディープラーニングの仕組みと応用

    3.2.ディープラーニングの仕組みと応用

    Tsuyoshi Ikeda · 21問 · 1年前

    3.2.ディープラーニングの仕組みと応用

    3.2.ディープラーニングの仕組みと応用

    21問 • 1年前
    Tsuyoshi Ikeda

    3.3.ディープラーニングの仕組みと応用

    3.3.ディープラーニングの仕組みと応用

    Tsuyoshi Ikeda · 12問 · 1年前

    3.3.ディープラーニングの仕組みと応用

    3.3.ディープラーニングの仕組みと応用

    12問 • 1年前
    Tsuyoshi Ikeda

    3.4.ディープラーニングの仕組みと応用

    3.4.ディープラーニングの仕組みと応用

    Tsuyoshi Ikeda · 27問 · 1年前

    3.4.ディープラーニングの仕組みと応用

    3.4.ディープラーニングの仕組みと応用

    27問 • 1年前
    Tsuyoshi Ikeda

    4.1.ディープラーニングの研究分野

    4.1.ディープラーニングの研究分野

    Tsuyoshi Ikeda · 12問 · 1年前

    4.1.ディープラーニングの研究分野

    4.1.ディープラーニングの研究分野

    12問 • 1年前
    Tsuyoshi Ikeda

    4.2.ディープラーニングの研究分野

    4.2.ディープラーニングの研究分野

    Tsuyoshi Ikeda · 19問 · 1年前

    4.2.ディープラーニングの研究分野

    4.2.ディープラーニングの研究分野

    19問 • 1年前
    Tsuyoshi Ikeda

    5.1 AI・データ活用の社会実装とプロジェクトの進め方

    5.1 AI・データ活用の社会実装とプロジェクトの進め方

    Tsuyoshi Ikeda · 23問 · 1年前

    5.1 AI・データ活用の社会実装とプロジェクトの進め方

    5.1 AI・データ活用の社会実装とプロジェクトの進め方

    23問 • 1年前
    Tsuyoshi Ikeda

    6.1 法規制・倫理ガイドライン・社会問題

    6.1 法規制・倫理ガイドライン・社会問題

    Tsuyoshi Ikeda · 19問 · 1年前

    6.1 法規制・倫理ガイドライン・社会問題

    6.1 法規制・倫理ガイドライン・社会問題

    19問 • 1年前
    Tsuyoshi Ikeda

    6.2 法規制・倫理ガイドライン・社会問題

    6.2 法規制・倫理ガイドライン・社会問題

    Tsuyoshi Ikeda · 21問 · 1年前

    6.2 法規制・倫理ガイドライン・社会問題

    6.2 法規制・倫理ガイドライン・社会問題

    21問 • 1年前
    Tsuyoshi Ikeda

    6.3 法規制・倫理ガイドライン・社会問題

    6.3 法規制・倫理ガイドライン・社会問題

    Tsuyoshi Ikeda · 13問 · 1年前

    6.3 法規制・倫理ガイドライン・社会問題

    6.3 法規制・倫理ガイドライン・社会問題

    13問 • 1年前
    Tsuyoshi Ikeda

    6.4 法規制・倫理ガイドライン・社会問題

    6.4 法規制・倫理ガイドライン・社会問題

    Tsuyoshi Ikeda · 11問 · 1年前

    6.4 法規制・倫理ガイドライン・社会問題

    6.4 法規制・倫理ガイドライン・社会問題

    11問 • 1年前
    Tsuyoshi Ikeda

    7.1 AIを理解するための数学・統計学

    7.1 AIを理解するための数学・統計学

    Tsuyoshi Ikeda · 13問 · 1年前

    7.1 AIを理解するための数学・統計学

    7.1 AIを理解するための数学・統計学

    13問 • 1年前
    Tsuyoshi Ikeda

    7.2 AIを理解するための数学・統計学

    7.2 AIを理解するための数学・統計学

    Tsuyoshi Ikeda · 17問 · 1年前

    7.2 AIを理解するための数学・統計学

    7.2 AIを理解するための数学・統計学

    17問 • 1年前
    Tsuyoshi Ikeda

    問題1-01

    問題1-01

    Tsuyoshi Ikeda · 20問 · 1年前

    問題1-01

    問題1-01

    20問 • 1年前
    Tsuyoshi Ikeda

    問題1-02

    問題1-02

    Tsuyoshi Ikeda · 20問 · 1年前

    問題1-02

    問題1-02

    20問 • 1年前
    Tsuyoshi Ikeda

    問題一覧

  • 1

    （ア）を行うことで音声データをコンピュータで処理可能な形式に変換する。具体的には、音声を一定の時間間隔ごとに切り出す（イ）、量子化、符号化の流れで音声信号を準備する

    （ア）A-D変換 （イ）サンプリング

  • 2

    音声認識のための音響モデルを学習する際に、音を区別する上で一番重要な属性について、適切な選択肢を選べ

    音色

  • 3

    音声データを扱う手法またはモデルとして不適切な選択肢を選べ

    SegNet

  • 4

    音声モデルに音声データを入力するまえに、音声データに対して一連の前処理を行う。連続的な音波を一定の時間間隔ごとに切り出す標本化を行う際に、（ア）によると、音声データの周波数の2倍を超える周波数でサンプリングをすれば完全に復元することができる

    サンプリング定理

  • 5

    音韻とは（ア）であり、音韻が近い場合、（イ）も近い値をとる

    （ア）音波の強さを量子化したビット列 （イ）ナイキスト周波数

  • 6

    学習済みの敵対的生成ネットワーク（GAN）における理想的な状態として、適切な選択肢を選べ

    ジェネレータが生成した画像を、ディスクリミネータがもとの画像と識別できない

  • 7

    GANをベースにいくつかの画像生成モデルが派生している。これらについて不適切な選択肢を選べ

    教師なし学習を用いるPix2Pixは、教師あり学習を用いるCycleGANよりも柔軟性の高いスタイル変換を可能にする

  • 8

    多くの画像生成AIに使用されているCLIPは、（ア）をデータセットとして事前学習を行う

    ウェブ上から収集された画像とキャプションのセット

  • 9

    画像分類モデルCLIPに関する記述として、不適切な選択肢を選べ

    少量のデータで事前学習を効果的に行う

  • 10

    OpenAI社から公開されたDALL・E2について適切な選択肢を選べ

    テキストで条件付ける誘導拡散の手法を導入することで、より本物らしい画像を生成できる

  • 11

    生成AIの活用について不適切な選択肢を選べ

    プロンプトエンジニアリングでは、利用者が入力した命令文に正しく応答できるように、生成AIモデルのパラメータの調整を行う

  • 12

    文章生成モデルChatGPTについて不適切な選択肢を選べ

    ウェブから収集された膨大な量のテキストデータを用いて、教師なし学習を行うことでChatGPTが訓練される

  • 13

    ChatGPTなどの文章生成AIは（ア）に回答を生成するため、間違えた内容をあたかも事実のように答える（イ）を起こすことがある

    （ア）確率的 （イ）幻覚

  • 14

    ChatGPTの学習に用いられるReinforcement Learning from Human Feedback（RLHF）の説明として適切な選択肢を選べ

    有害なコンテンツを含む回答を出す確率を減らすことができる

  • 15

    強化学習に用いられるノイジーネットワークについて適切な選択肢を選べ

    ネットワークに外乱を付加する

  • 16

    DQNの派生版モデルについて、適切な選択肢を選べ

    ダブルDQNでは、Q関数の更新を行うネットワークとは別に、次に取る行動を決めるネットワークを別途設けている

  • 17

    シミュレーションを用いて訓練したディープラーニングのモデルを、実世界のデータに適用した際に性能が著しく下がることを防ぎたい。このために、シミュレーションに取り入れている工夫として適切な選択肢を選べ

    ドメインランダマイゼーション

  • 18

    深層強化学習を用いたロボットの訓練に適用されるsim2realについて、適切な選択肢を選べ

    ロボット制御の方策をあらかじめ学習し、学習済みの方策を実世界に転移するために使われる

  • 19

    オフライン強化学習の説明として適切な選択肢を選べ

    オフライン強化学習は過去に集めたデータを使って強化学習を行う手法であり、従来の強化学習にとって試行錯誤が困難である医療の分野への適用が期待されている

  • 20

    強化学習をボードゲームに用いる時に、自分にとっての最善手と同時に相手にとっての最悪手を探索するためのアルゴリズムとして、適切な選択肢を選べ

    Main-Max法

  • 21

    複数のエージェントが同じ環境で非同期に学習することを特徴とする強化学習アルゴリズムとして適切な選択肢を選べ

    A3C

  • 22

    2016年にDeepMind社から発表されたA3Cは、エージェントを（ア）に学習される仕組みを取り入れているために、（イ）という強みを発揮できる

    （ア）並列 （イ）学習を安定化できる

  • 23

    ロボティクス分野への深層強化学習の適用が盛んである。環境の変化に対してロボットが適切な認識と動作ができるように訓練する際に複数のセンサーから取得する異なる形式のデータを指す用語として適切な選択肢を選べ

    マルチモーダル

  • 24

    画像認識の予測に特化して、判断の根拠を可視化するモデルとして適切な選択肢を選べ

    Grad-CAM

  • 25

    最近では機械学習モデルの脱ブラックボックスにむけて、モデルの解釈性に注目した研究が進められています

    LIMEとGrad-CAMは両方とも、表形式のデータと画像データを用いた予測タスクの解釈を行うことができる

  • 26

    モデルの解釈をに関する記述として適切な選択肢を選べ

    LIMEは、特定の１つの入力データのに対する予測の根拠を説明する手法をである