ディープラーニングにおける拡散モデルの説明として、最も適切なものはどれか。
① 教師ラベルのないデータに対して、データの復元などの人工的なタスクを設定することで、機械的に生成した教師信号を用いて教師あり学習を行う学習方法である。
② 系列データを順次ではなく一括して読み込み、アテンションと呼ばれる系列内のすべての要素間の関係を計算するモデルである。
③ データ集合の確率分布を表現する生成ネットワークと、生成ネットワークが出力した生成データが本物か偽物かを見分ける判別ネットワークを、敵対的に競わせて学習するモデルである。
④ 入力データに変化を加えることで、データの多様性を増大させて学習を行う方法である。
⑤ データからノイズを除去していく過程をニューラルネットワークで推定することで、ノイズからデータを生成するモデルである。
⑤
① 自己教師あり学習の説明である。
② トランスフォーマーモデルの説明である。なお、アテンションは注意機構のことである。
③ 敵対的生成ネットワーク (GAN = Generative Adversarial Networks) の説明である。
④ データ拡張の説明である。データ不足の場合や過学習を防ぎたい場合に有効である。
⑤ 正しい。DDPM (= Denoising Diffusion Probabilistic Models) とも呼ばれる。
| Ⅲ－２ | 目次 | Ⅲ－４ |