ログイン

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
  • 通報

    問題一覧

  • 1

    リカレントニューラルネットワークは内部に(ア)を持つニュートラルネットワークである。

    フィードバッグ機構

  • 2

    RNNを応用できるタスクとして適切な選択肢を選べ

    文章の解析

  • 3

    RNNでは、過去の(ア)と現在の(ア)の間の(イ)を学習することにより、データの時間情報を把握できるようになっている

    (ア)隠れ層 (イ)重み

  • 4

    時系列データを解析する上での、RNNの特性として、適切な選択肢を選べ

    過去に入力された情報をネットワークの中で保持することで、データの並び順を考慮した解析を実現できる

  • 5

    RNNの特徴として、適切な選択肢を選べ

    可変長データを入力データとして扱うことができる

  • 6

    リカレントニューラルネットワーク(RNN)の訓練を行う際に、時間軸に対して逆向きに誤差を伝播させながら、過去の情報が現在の情報に与える重みを学習する。このような仕組みとして適切な選択肢を選べ

    BPTT

  • 7

    RNNは、ニュートラルネットワークの中でも特に(ア)が起きやすいという難点を持っている

    勾配損失問題

  • 8

    RNNの扱えるデータの特徴として、不適切な選択肢を選べ

    同じ長さに固定されたデータのみ扱えること

  • 9

    RNNの特徴として、最も不適切な選択肢を選べ

    勾配損失問題を回避するために、Back Propagation Through Timeが利用される

  • 10

    LSTM(Long Short Term Memory)は内部に(ア)を設けることによって、LSTMを有しないRNNが持つ(イ)という問題を軽減できる

    (ア)ゲート構造 (イ)長い系列データを扱う際に学習がうまくいかない

  • 11

    RNNの一種であるLSTMを構成する要素として、適切な選択肢を選べ

    入力ゲート、出力ゲート、忘却ゲート、CEC

  • 12

    LSTMは必要な情報のみ保存するためのゲート、および、勾配消失を抑制するために誤差情報を内部に保持する(ア)から構成される

    CEC

  • 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

    3.4.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

    4.3.ディープラーニングの研究分野

    4.3.ディープラーニングの研究分野

    Tsuyoshi Ikeda · 3回閲覧 · 26問 · 1年前

    4.3.ディープラーニングの研究分野

    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

    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

    リカレントニューラルネットワークは内部に(ア)を持つニュートラルネットワークである。

    フィードバッグ機構

  • 2

    RNNを応用できるタスクとして適切な選択肢を選べ

    文章の解析

  • 3

    RNNでは、過去の(ア)と現在の(ア)の間の(イ)を学習することにより、データの時間情報を把握できるようになっている

    (ア)隠れ層 (イ)重み

  • 4

    時系列データを解析する上での、RNNの特性として、適切な選択肢を選べ

    過去に入力された情報をネットワークの中で保持することで、データの並び順を考慮した解析を実現できる

  • 5

    RNNの特徴として、適切な選択肢を選べ

    可変長データを入力データとして扱うことができる

  • 6

    リカレントニューラルネットワーク(RNN)の訓練を行う際に、時間軸に対して逆向きに誤差を伝播させながら、過去の情報が現在の情報に与える重みを学習する。このような仕組みとして適切な選択肢を選べ

    BPTT

  • 7

    RNNは、ニュートラルネットワークの中でも特に(ア)が起きやすいという難点を持っている

    勾配損失問題

  • 8

    RNNの扱えるデータの特徴として、不適切な選択肢を選べ

    同じ長さに固定されたデータのみ扱えること

  • 9

    RNNの特徴として、最も不適切な選択肢を選べ

    勾配損失問題を回避するために、Back Propagation Through Timeが利用される

  • 10

    LSTM(Long Short Term Memory)は内部に(ア)を設けることによって、LSTMを有しないRNNが持つ(イ)という問題を軽減できる

    (ア)ゲート構造 (イ)長い系列データを扱う際に学習がうまくいかない

  • 11

    RNNの一種であるLSTMを構成する要素として、適切な選択肢を選べ

    入力ゲート、出力ゲート、忘却ゲート、CEC

  • 12

    LSTMは必要な情報のみ保存するためのゲート、および、勾配消失を抑制するために誤差情報を内部に保持する(ア)から構成される

    CEC