・テーマごとに問題があります。
・すべての解答を選択したら、青色の「解答」を押してください。結果と解説を見ることができます。
・出題範囲および出題形式は必ずしも本番と同じものでありません。本記事はあくまで自己責任でご使用ください。
・記載内容の誤りやシステムに不具合があった場合には、お手数ですがお問い合わせフォームまたはTwitterからお知らせいただけると助かります。

【G検定2023まとめ】要点整理&当日用カンペ

G検定の要点をシラバスから抜粋してまとめました。これから学習する方も、復習したい方にもお使いいただけます。試験当日用のG検定カンニングペーパーとしてもお役立てく…

G検定・E資格まとめ

G検定 E資格 Generative AI Test2023 関連記事【G検定】Question-Answering 2024年7月19日 【G検定】DENDRAL 2024年7月19日 【G検定】ハ […]

【G検定2023まとめ】理解度確認&問題集まとめ【直前対策】

下記ページに移動しました。 【G検定2024まとめ】理解度確認問題集【直前対策】 関連記事【G検定】Question-Answering 2024年7月19日 【G検定】DENDRAL 2024年7…

5. ディープラーニングの概要

ディープニューラルネットワーク(DNN)について述べた以下の文のうち、最も適切なものを1つ選べ。

ディープニューラルネットワーク(DNN)の応用例として正しいものを1つ選べ。

ニューラルネットワークの隠れ層を増やすことにより発生する問題に関して、最も適切なものを1つ選べ。

以下の文章において、空欄(ア)~(オ)に当てはまる選択肢の組み合わせとして適切なものを1つ選べ。 ニューラルネットワークで画像認識を行うことを試みた。まず単純パーセプトロンと呼ばれる( ア )層と( イ )層で構成されるネットワークで実験をしてみたが、正解率が約10%と、ほとんどランダムな予測と変わらない結果となってしまった。そこで、新たに( ウ )層を( ア )層の前に足した畳み込みニューラルネットワークで実験をしてみたところ、今度は正解率が80%を超える結果が得られた。これは、( ウ )層を追加したことによって、画像の( エ )特徴を抽出することができるようになったことが理由である。そこで、更に( ウ )層やプーリング層などを足していったところ、今度は正解率が95%近くに上昇した。これは、( ウ )層やプーリング層などを追加したことによって画像の( オ )特徴も捉えられるようになり、学習が効率的に進んだことが原因と考えられる。

ニューラルネットワークに関する以下の文章において、空欄(ア)~(オ)に当てはまる選択肢の組み合わせとして適切なものを1つ選べ。ニューラルネットワークで画像認識を行うことを試みた。まず単純パーセプトロンと呼ばれる( ア )層と( イ )層で構成されるネットワークで実験をしてみたが、正解率が約10%と、ほとんどランダムな予測と変わらない結果となってしまった。そこで、新たに( ウ )層を( ア )層の前に足した畳み込みニューラルネットワークで実験をしてみたところ、今度は正解率が80%を超える結果が得られた。これは、( ウ )層を追加したことによって、画像の( エ )特徴を抽出することができるようになったことが理由である。そこで、更に( ウ )層やプーリング層などを足していったところ、今度は正解率が95%近くに上昇した。これは、( ウ )層やプーリング層などを追加したことによって画像の( オ )特徴も捉えられるようになり、学習が効率的に進んだことが原因と考えられる。

以下の文章において、空欄(ア)~(オ)に当てはまる選択肢の組み合わせとして適切なものを1つ選べ。 ニューラルネットワークで自然言語処理を行うことを試みた。まず単純パーセプトロンと呼ばれる( ア )層と( イ )層で構成されるネットワークで実験をしてみたが、正解率が約20%と、ほとんどランダムな予測と変わらない結果となってしまった。そこで、新たに( ウ )層を( イ )層の前に足した再帰型ニューラルネットワークで実験をしてみたところ、今度は正解率が70%を超える結果が得られた。これは、( ウ )層を追加したことによって、文の( エ )情報を保持することができるようになったことが理由である。そこで、更に( ウ )層の中にメモリセルやゲート構造などを持つLSTMやGRUなどの構造を導入したところ、今度は正解率が85%近くに上昇した。これは、LSTMやGRUなどの構造を導入したことによって文の( オ )情報も扱えるようになり、学習が効率的に進んだことが原因と考えられる。

自己符号化器はニューラルネットワークによる教師なし学習の手法であり、入力データを( ア )層と( イ )層で圧縮・復元することで、データの重要な特徴量を抽出することができる。自己符号化器には様々な種類があり、例えば( ウ )層の出力をランダムに0にすることで過学習を防ぐものや、入力データにノイズを加えて( イ )層から元のデータを復元することで汎化性能を高めるものなどがある。また、自己符号化器は生成モデルとしても利用されており、例えば( エ )変数を用いて潜在空間から新しいデータを生成するものや、画像や音声などの異なるドメイン間で特徴量を共有することで相互変換するものなどがある

事前学習を必要としないディープラーニングの手法として、適切な組み合わせを1つ選べ。(ア)積層オートエンコーダ (ウ)畳み込みネットワーク (オ)敵対的生成ネットワーク (イ)深層信念ネットワーク (エ)リカレントネットワーク

入力データから重要な特徴量だけを抽出して低次元に圧縮するニューラルネットワークは何と呼ばれるか。最も適切な選択肢を1つ選べ。

自己符号化器は、入力データを圧縮して特徴量を抽出し、それをもとに元のデータを復元するニューラルネットワークである。自己符号化器の中でも、入力データにノイズを加えてそれを除去することで、よりロバストな特徴量を学習することができるものは何と呼ばれるか。最も適切な選択肢を1つ選べ。

自己符号化器(Autoencoder)は、入力層と出力層のニューロン数が同じである必要がある。この条件によって実現されることは何か。以下の選択肢のうち最も適切なものを1つ選べ。

自己符号化器(Autoencoder)は、入力データを圧縮する際に、中間層のニューロン数をどのように設定する必要があるか。以下の選択肢のうち最も適切なものを1つ選べ。

自己符号化器(Autoencoder)は、データの次元削減に有効な手法である。この理由として最も適切なものは何か。以下の選択肢のうち最も適切なものを1つ選べ。

事前学習で得られたディープニューラルネットワークをファインチューニングする際に注意すべきことは何か。1つ選べ。

ディープラーニングの手法としてCNNがある。CNNについて述べた以下の文章のうち、最も適切なものを1つ選べ。

ディープラーニングの手法としてRNNがある。RNNについて述べた以下の文章のうち、最も適切なものを1つ選べ。

ディープラーニングの手法としてGANがある。GANについて述べた以下の文章のうち、最も適切なものを1つ選べ。

ディープラーニングの手法としてTransformerがある。Transformerについて述べた以下の文章のうち、最も適切なものを1つ選べ。

ディープラーニングは、人間の脳の神経細胞を模したニューラルネットワークと呼ばれる構造を用いて、大量のデータから学習する技術である。ニューラルネットワークは、入力層、出力層とその間にある隠れ層から構成されるが、隠れ層が多くなることでより高度な表現力を持つことができる。このように隠れ層が多いニューラルネットワークのことを何と呼ぶか。以下の選択肢から1つ選べ。

ディープラーニングの計算において、GPUはCPUよりも高速に処理できる理由として正しいものを、以下の選択肢から1つ選べ。

画像データに対しては、例えばライブラリOpenCVを用いてさまざまな前処理を施すことができる。ノイズの多い画像を滑らかにする手法はどれか、以下の選択肢から最も正しいと思われるものを1つ選んで答えよ。

画像データに対しては、例えばライブラリOpenCVを用いてさまざまな前処理を施すことができる。画像のコントラストを高める手法はどれか、以下の選択肢から最も正しいと思われるものを1つ選んで答えよ。