オートエンコーダが主に使われる目的の一つは？
- 画像生成
- 畳み込み
- 次元削減
- 時系列予測
正解！
不正解...
正解は次元削減です。
問題に戻る
オートエンコーダの出力側を担当する構成要素は？
- バッチ正規化
- デコーダ
- プーリング
- 活性化関数
正解！
不正解...
正解はデコーダです。
オートエンコーダはエンコーダとデコーダの2つのネットワークで構成されます。
問題に戻る
オートエンコーダで入力データを圧縮・特徴抽出する役割の層は？
- プーリング層
- バッチ正規化
- エンコーダ
- 活性化関数
正解！
不正解...
正解はエンコーダです。
エンコーダは入力データを圧縮し、潜在空間（潜在表現）に変換する役割を持ちます。
問題に戻る
複数のオートエンコーダを積み重ねて構成する深層学習モデルは？
- LSTM
- GAN
- 積層オートエンコーダ
- SVM
正解！
不正解...
正解は積層オートエンコーダです。
積層オートエンコーダは、複数のオートエンコーダを重ねた構造で、深い特徴抽出に用いられます。
問題に戻る
確率的に潜在変数を扱い、生成モデルとしても使われるオートエンコーダの亜種は？
- 回帰モデル
- 主成分分析
- 正則化
- 変分オートエンコーダ（VAE）
正解！
不正解...
正解は変分オートエンコーダ（VAE）です。
VAEは、潜在変数を確率的に扱うことで生成モデルとしての性質を持ちます。
問題に戻る
潜在空間を離散的に表現するオートエンコーダの亜種は？
- RMSprop
- SVM
- VQ-VAE
- LeNet
正解！
不正解...
正解はVQ-VAEです。
VQ-VAEは、潜在空間を離散的に表現するためのベクトル量子化オートエンコーダです。
問題に戻る
潜在空間の解釈性を高めるために正則化の強さを調整できるVAEの亜種は？
- ResNet
- Dropout
- β-VAE
- BatchNorm
正解！
不正解...
正解はβ-VAEです。
β-VAEは、VAEに正則化の強さを調整するβパラメータを導入した拡張モデルです。
問題に戻る
オートエンコーダが利用されるケースとして適切なのは？
- オンライン学習
- 強化学習
- 事前学習
- 転移学習
正解！
不正解...
正解は事前学習です。
オートエンコーダは、教師なしでの特徴抽出を活かし、事前学習として使われることがあります。
問題に戻る
潜在空間の情報量を最大化するVAEの拡張モデルは？
- GAN
- infoVAE
- CNN
- PCA
正解！
不正解...
正解はinfoVAEです。
infoVAEは、情報理論に基づき潜在空間の情報量を最大化するVAEの拡張手法です。
問題に戻る
オートエンコーダは、自身の入力を出力で再現するという何の仕組みに基づいている？
- 自己注意
- 自己回帰
- 自己学習
- 自己符号化
正解！
不正解...
正解は自己符号化です。
オートエンコーダは、自身の入力を再構成するという“自己符号化”の仕組みです。
問題に戻る
オートエンコーダはデータの特徴を圧縮・再構成することにより、次元削減に活用されます。