AIの基礎概念と歴史応用問題
勾配消失問題が発生している深層ニューラルネットワークを改善する場合、次のうちどの施策の組み合わせが最も効果的ですか？
A.シグモイド関数を活性化関数として採用し、ネットワークをより深くする
✗ シグモイド関数は勾配消失の主要な原因です。さらにネットワークを深くすると問題が悪化します。
B.ReLU関数の導入とバッチ正規化（Batch Normalization）の適用← 正解
✓ 正解です。ReLU関数は勾配消失に強く、バッチ正規化は層間の出力を安定化させ、勾配消失を効果的に防ぎます。
C.勾配を手動で調整し、逆伝播で固定値に置き換える
✗ 勾配を手動で固定値に置き換えることは学習を破壊し、適応的な最適化ができなくなります。
D.全ての隠れ層にドロップアウト層を追加し、ニューロンを50%削除する
✗ ドロップアウト層の追加は過学習防止が目的で、勾配消失の直接的な対策ではありません。
「AIの基礎概念と歴史」の他の問題
機械学習モデルが訓練データに過度に適合し、テストデータでの性能が低下した場合、このような状況を改善するためには、次のうち…深層学習モデルが新しいドメイン（異なるデータ分布）に対応する際、事前学習済みモデルを使用した転移学習を適用する場合、モデ…自然言語処理タスクで、訓練データが極めて限定的な場合、次のうちどのアプローチが最も実用的ですか？画像分類モデルが特定のクラスに対して極めて高い確信度（90%以上の予測確率）を返しても、実際には予測が外れている場合が頻…時系列予測タスクで、長期的な依存関係を捉える際に通常のLSTMが困難を示した場合、改善策として最も適切なのはどれですか？機械学習モデルの訓練データが8,000サンプル、検証データが2,000サンプル、テストデータが1,000サンプルの場合、…