深層学習（ディープラーニング）比較問題
Dropout と Early Stopping の過学習（過適合）対策における役割の違いは。
A.Dropoutはモデルの複雑性を低減させ、Early Stoppingは訓練を適切なタイミングで終了させる← 正解
✓ 正解です。Dropoutはランダムにニューロンを無効化してアンサンブル効果を生成し、Early Stoppingは検証エラーの増加を監視して訓練を停止します。
B.Dropoutは訓練時のみに作用し、Early Stoppingは推論時のみに作用する
✗ 誤りです。Early Stoppingも訓練時に検証データを監視することで機能します。推論時には不要です。
C.Dropoutは正則化項をロス関数に追加し、Early Stoppingはハイパーパラメータを調整する
✗ 誤りです。Dropoutは確率的な無効化を行い、正則化項の追加ではありません。Early Stoppingはハイパーパラメータ調整ではなく、訓練の早期終了です。
D.Early Stoppingはニューラルネットワークにのみ適用でき、Dropoutはすべての機械学習モデルに適用できる
✗ 誤りです。Dropoutはニューラルネットワーク固有の技術です。Early Stoppingは任意の学習モデルに適用できます。
「深層学習（ディープラーニング）」の他の問題
ニューラルネットワークの訓練中に勾配消失問題が発生した場合、以下の対策のうち最も直接的な解決策はどれか？CNN（畳み込みニューラルネットワーク）で過学習が顕著に発生した場合、以下の対策のうち最も効果的なのはどれか？RNN（再帰型ニューラルネットワーク）で長期の依存関係をモデル化する必要がある場合、標準的なRNNではなくLSTMやGR…画像分類タスクで訓練データセットが著しく不均衡（あるクラスが極端に少ない）な場合、モデルの性能を改善するために講じるべき…転移学習（Transfer Learning）で大規模な事前訓練済みモデルを利用する際、目的タスクのデータが非常に少ない…自然言語処理でAttention機構を導入した結果、以前のRNNモデルと比べて並列処理性能が向上した理由は何か？