G検定 2020年第3回振り返り（その5）

1

ニューラルネットワークで多クラス分類を行うとき、出力層に用いる活性化関数として（ソフトマックス関数）がある。

2

収集・生成したデータや学習済みモデルを知的財産として保護しようとする場合に、以下の点を念頭に置くべきである。

収集した生データそれ自体については創作性が認められないが、体系的に構成したデータセットも通常は著作権法上の著作物とはみなされる可能性がある。
提供先を特定の条件を満たすものに限定しているデータについては、不正競争防止法上の限定提供データとして保護の対象になりうる。
学習済みモデルを営業秘密として保護しようとする際には、秘密管理性や非公知性を満たすために暗号化や難読化などの処理を施すことが望ましい。
実務においては、知的財産権を守るため、経済産業省の契約ガイドラインなどを参考に関係者間で権利貴族や利用範囲について契約を結ぶことが推奨される。

3

０から９の手書き数字の認識において、次の混同行列において、３と５を類似して誤分類を行っていることが最も多いことが分かる。

4

「物体検出」とは、（カメラ映像から対象物の位置を矩形領域で特定する）技術である。

5

モデルの汎化誤差はバイアス・バリアンス・ノイズの3要素に分解することができるが、（ノイズ）は使用するデータセット自身に内包されたものであるため、学習モデルの評価指標としては適さない。

6

GoogLeNetは、（インセプションモジュールから構成されるネットワークモデルである。）

7

説明可能なAI（Explainable Artificial Inteligence：XAI）とは、（推定結果の根拠を人が説明できるAIである。）

8

ニューラルネットワークにおける転移学習の例として、（公開されているImageNetの学習済みモデルの出力層を変更し、アパレル商品の画像をカテゴリに分ける業務に適用した。）というケースが挙げられる。

9

MAML（Model Agnostic Meta Learning）の説明。

新たなタスクに対して少量のデータで学習できるようにする。
バッチデータと全データに関しての大きく2段階のパラメータ更新を行う。
パラメータの初期値に関して適切な値を学習する。
パラメータ更新において様々な損失関数を使用することができる。

10

AIの利活用においては、説明可能なAI（Explainable Artificial Intelligence：XAI）が世界的に重要とされている。例えばEUでは一般データ保護規則が発表されたり、機械学習に関する国際会議でもワークショップが行われているが、これらの説明手法の多くの論文は（アカデミア）な方面から提出されている。

11

ニューラルネットワークの学習における転移学習とファインチューニングに関する説明。

転移学習では既存の学習済みのモデルに新たなタスクを行う層を追加して、追加した層の重みを更新する。
ファインチューニングでは、あるタスクのための学習済みモデルを他のタスクに適用する際に、学習済みモデルの重みを更新する。
画像分類の転移学習やファインチューニングが効果を上げる理由としては、画像認識においては画像に共通してとらえるべき特徴があるためと考えられる。

12

畳み込みニューラルネットワーク（CNN）を提案された順に並べた。

LeNet（1998）, AlexNet（2012）, GoogLeNet（2014）, ResNet（2015）

13

ロジスティック回帰において、２値分類を行う際はロジスティック関数（標準シグモイド関数）を用いるが、他クラス分類を行う際に用いる関数としては、（ソフトマックス関数）が使われる。

14

EfficientNetの特徴を説明した。

EfficientNet以前の一般的な高性能モデルと比較して、パラメータが少ない。
EfficientNet以前の一般的な最高性能モデルと比較して、学習時間が短い。
EfficientNet以前の一般的な高性能モデルと比較して、ネットワークの構造がシンプルである。
EfficientNet以前の一般的な高性能モデルと比較して、転移学習に向いている。

15

機械学習におけるデータ拡張（data augmentation）において、クラス分布に偏りがある場合の対処法SMOTE（Synthetic Minority Oversampling Technique）では、（分布の頻度の少数のクラスのデータ量を増やしていく。）

16

ImageNetの巨大なデータセットなどを使って学習済みの重みを初期値として、新しいデーアセットを対象に、出力不均等のconv（畳み込み）層も再学習することを（ファインチューニング）という。

17

2020年（令和2年）6月に成立した「個人情報の保護に関する法律等の一部を改正する法律」の法案提出理由に関する文章。
個人情報の保護及び有用性の確保に資するため、個人情報の漏えい等が生じた場合における報告及び本人への通知を義務付け、個人情報等の外国における取り扱いに対する個人情報の保護に関する法律の適用範囲を拡大するとともに、個人情報に含まれる記述等の削除等により他の情報と照合しない限り特定の後塵を識別することができないように加工した（匿名加工情報）の取り扱いについての規律を定める等の必要がある。これが、この法律案を提出理由である。