Category Archives: 未分類

パーセプトロの入力層、出力層を説明している以下の文で空欄に入る適切な単語を選択肢 1 ~ 4 からそれぞれ選んでください． パーセプトロンの入力層は ( Q1 ___ ) からなり、出力層は ( Q2 ___ ) からなる． 1. バイアスニューロンと入力ニューロン 2. 入力ニューロ 3. ン LTU とバイアスニューロン 4. LTU

パーセプトロンの収束定理を説明している以下の文で空欄に入る適切な単語を選択肢 1 ~ 3 から選んでください． パーセプトロンは複雑な訓練インスタンスを訓練することはできないが、訓練インスタンスが ( Q1 ___ ) なら、 アルゴリズムは必ず解に収束する． 1. 線形独立 2. 線形分離可能 3. 線形射影可能

パーセプトロンの収束定理を説明している以下の文で空欄に入る適切な単語を選択肢から選んでください． 複数の LTU から構成されるパーセプトロンは、各出力ニューロンの決定境界が ( Q1 ____ ) なので、 訓練データが ( Q2 ____ ) であれば解はもとまらない． [Q1–2選択肢] 1. 線形 2. 非線形 3. 高次元 4. 線形分離不可能 5. 非線形分離不可能 6. カーネル

LLE を説明している以下の文で空欄に入る適切な単語を選択肢 1 ~ 3 からそれぞれ選んでください． LLE は非常に強力な ( Q1 ___ ) のテクニックで、PCA のように ( Q2 ___ )に依存しない多様体学習テクニックである． [Q1の選択肢] 1. 線減高次元圧縮 2. 形次元削 3. 非線形次元削減 [Q2の選択肢] 1. ランダムサーチ 2. 特徴量 3. 射影

パーセプトロンを説明している以下の文で空欄に入る適切な単語を選択肢から選んでください． パーセプトロンは ( Q1 ___ ) と呼ばれる人口ニューロンを基礎としており個々の入力の接続部に ( Q2 ___ ) が与えられる． [Q1の選択肢] 1. LTU 2. 初期カーネル 3. 基礎ノード 4. 樹状突起 [Q2の選択肢] 1. 特徴量 2. 重み 3. 活性化関数 4. 学習率

パーセプトロンを説明している以下の文で空欄に入る適切な単語を選択肢から選んでください． パーセプトロンは ( Q1 ___ ) と呼ばれる人口ニューロンを基礎としており個々の入力の接続部に ( Q2 ___ ) が与えられる． [Q1の選択肢] 1. 樹状突起 2. SGD 3. 基礎ノード 4. LTU [Q2の選択肢] 1. 学習率 2. 重み 3. 目的変数 4. 活性化関数

パーセプトロンの説明として正しいものを選択肢から選んでください． [選択肢] 1. パーセプトロンの基礎である LTU では、重みと入力の加重総和に対してステップ関数を適用することで、最終的な値を出力する． 2. パーセプトロンの理論が生まれたの 2000 年代の序盤頃であり、その登場して以来、瞬く間に Deep Learning の理論へと発展いく 3. パーセプトロンでは、2 値分類しか行えない． 4. パーセプトロンの基礎である LTU を単体で用いて、排他的論理和を得ことができる．

PCA による次元圧縮を説明している以下の文で空欄に入る適切な単語を選択肢 1 ~ 3 から選んでください． PCA では次元削減ができるが、PCA 射影の逆変換を行えば次元削減されたデータセットを再構築できる． オリジナルデータと再構築されたデータの平均二乗誤差を ( Q1 ___ ) と呼ぶ． 1. 再構築誤差 2. 圧縮誤差 3. PCA 誤差

追加学習型 PCA を説明している以下の文で空欄に入る適切な単語を選択肢 1 ~ 3 からそれぞれ選んでください． 追加学習型 PCA では、訓練セットをミニバッチに分割して 1 つずつ学習していく． よって、追加学習型 PCA は ( Q1 ___ ) な訓練セットによる学習や、PCA を ( Q2 ____ ) するときに役立つ． [Q1の選択肢] 1. 大規模 2. 小規模 3. 極小規模（特徴量数が 100 以下） [Q2の選択肢] 1. 分散処理 2. オフライン学習 3. オンライン学習

追加学習型 PCA を説明している以下の文で空欄に入る適切な単語を選択肢 1 ~ 3 からそれぞれ選んでください． 追加学習型 PCA では、訓練セットをミニバッチに分割して 1 つずつ学習していく． よって、追加学習型 PCA は ( Q1 ___ ) な訓練セットによる学習や、PCA を ( Q2 ____ ) するときに役立つ． [Q1の選択肢] 1. 極小規模（特徴量数が 100 以下） 2. 大規模 3. 小規模 [Q2の選択肢] 1. オフライン学習 2. 分散処理 3. オンライン学習