AIの基礎概念と歴史定義問題
深層学習における「バッチノーマライゼーション」の主な目的は何か。
A.データの前処理段階でのみ実行され、訓練済みモデルには適用されない
✗ バッチノーマライゼーションは訓練時だけでなく、推論時にも適用されます（ただし異なる方式で）。
B.各層への入力を正規化し、訓練の安定性を向上させ、より大きな学習率の使用を可能にする← 正解
✓ 正解です。バッチノーマライゼーションは内部共変量シフトを低減し、訓練を加速・安定化させます。
C.異なるデータセット間での性能差を統計的に検定する方法
✗ これは統計仮説検定であり、バッチノーマライゼーションとは異なります。
D.複数の損失関数を一つにまとめるための正規化手法
✗ バッチノーマライゼーションは損失関数の統合とは関係ありません。
「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…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？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？