【G検定】試験対策問題【その３】
Ｇ検定攻略ガイドが作成した、無料公開の問題です。
試験対策などにぜひ活用してください！
Sign in to Google to save your progress. Learn more
【次の（ア）にあてはまるものを選んでください】1996年にチェスの世界チャンピオンを破った（　ア　）はIBM社によって開発された。また、2015年には囲碁AIの（　イ　）がプロ棋士を次々と破り、2013年以降は将棋AIの（　ウ　）が電王戦でプロ棋士を次々と破っている。このようにゲームAIは目まぐるしい進化を遂げている。 *
10 points
【次の（イ）にあてはまるものを選んでください】1996年にチェスの世界チャンピオンを破った（　ア　）はIBM社によって開発された。また、2015年には囲碁AIの（　イ　）がプロ棋士を次々と破り、2013年以降は将棋AIの（　ウ　）が電王戦でプロ棋士を次々と破っている。このようにゲームAIは目まぐるしい進化を遂げている。 *
10 points
【次の（ウ）にあてはまるものを選んでください】1996年にチェスの世界チャンピオンを破った（　ア　）はIBM社によって開発された。また、2015年には囲碁AIの（　イ　）がプロ棋士を次々と破り、2013年以降は将棋AIの（　ウ　）が電王戦でプロ棋士を次々と破っている。このようにゲームAIは目まぐるしい進化を遂げている。 *
10 points
【次の（ア）にあてはまるものを選んでください】ILSVRCは（　ア　）とよばれるデータセットを用いた物体認識の精度を競うコンテストである。2012年にジェフリー・ヒントン率いるチームが（　イ　）というニューラルネットワークを用いたモデルで圧勝した。2014年にはGoogLenet、2015年には（　ウ　）が優勝している。 *
10 points
【次の（イ）にあてはまるものを選んでください】ILSVRCは（　ア　）とよばれるデータセットを用いた物体認識の精度を競うコンテストである。2012年にジェフリー・ヒントン率いるチームが（　イ　）というニューラルネットワークを用いたモデルで圧勝した。2014年にはGoogLenet、2015年には（　ウ　）が優勝している。 *
10 points
【次の（ウ）にあてはまるものを選んでください】ILSVRCは（　ア　）とよばれるデータセットを用いた物体認識の精度を競うコンテストである。2012年にジェフリー・ヒントン率いるチームが（　イ　）というニューラルネットワークを用いたモデルで圧勝した。2014年にはGoogLenet、2015年には（　ウ　）が優勝している。 *
10 points
【次の（ア）にあてはまるものを選んでください】畳み込みニューラルネットワーク（CNN）は画像認識に応用するために改良されたニューラルネットワークである。入力はフィルタを用いて積和演算と活性化関数の作用を行う（　ア　）層を通り、元の画像が抽出された（　イ　）というものに変換される。その後、サブサンプリングを行う（　ウ　）に入力されてより小さな画像へ変換される。最終的に全結合層で一次元化され、出力値が得られる仕組みとなっている。CNNは（　エ　）をもつため、画像の位置のズレに強いモデルとなっている。 *
10 points
【次の（イ）にあてはまるものを選んでください】畳み込みニューラルネットワーク（CNN）は画像認識に応用するために改良されたニューラルネットワークである。入力はフィルタを用いて積和演算と活性化関数の作用を行う（　ア　）層を通り、元の画像が抽出された（　イ　）というものに変換される。その後、サブサンプリングを行う（　ウ　）に入力されてより小さな画像へ変換される。最終的に全結合層で一次元化され、出力値が得られる仕組みとなっている。CNNは（　エ　）をもつため、画像の位置のズレに強いモデルとなっている。 *
10 points
【次の（ウ）にあてはまるものを選んでください】畳み込みニューラルネットワーク（CNN）は画像認識に応用するために改良されたニューラルネットワークである。入力はフィルタを用いて積和演算と活性化関数の作用を行う（　ア　）層を通り、元の画像が抽出された（　イ　）というものに変換される。その後、サブサンプリングを行う（　ウ　）に入力されてより小さな画像へ変換される。最終的に全結合層で一次元化され、出力値が得られる仕組みとなっている。CNNは（　エ　）をもつため、画像の位置のズレに強いモデルとなっている。 *
10 points
【次の（エ）にあてはまるものを選んでください】畳み込みニューラルネットワーク（CNN）は画像認識に応用するために改良されたニューラルネットワークである。入力はフィルタを用いて積和演算と活性化関数の作用を行う（　ア　）層を通り、元の画像が抽出された（　イ　）というものに変換される。その後、サブサンプリングを行う（　ウ　）に入力されてより小さな画像へ変換される。最終的に全結合層で一次元化され、出力値が得られる仕組みとなっている。CNNは（　エ　）をもつため、画像の位置のズレに強いモデルとなっている。 *
10 points
Submit
Clear form
This content is neither created nor endorsed by Google. Report Abuse - Terms of Service - Privacy Policy
Google Forms