第8回: 時間の発見: 一撃からの脱却（理解度チェック）

一撃からプロセスへ

Q1. GAN（Generative Adversarial Network、敵対的生成ネットワーク）とVAE（Variational Autoencoder、変分オートエンコーダ）の生成

GAN（Generative Adversarial Network、敵対的生成ネットワーク）やVAE（Variational Autoencoder、変分オートエンコーダ）について、「一撃変換」と呼ばれる限界は何を指すか。

本文の対応箇所： 参照する

Q2. 残差接続

ResNetの残差接続 ${\mathbf{h}}_{t+1}={\mathbf{h}}_t+f({\mathbf{h}}_t)$ の効果として、適切な説明はどれか。

本文の対応箇所： 参照する

Q3. ベクトル場としての解釈

ニューラルネットワークをベクトル場として見るとき、関数の出力は何を表すか。

本文の対応箇所： 参照する

Q4. ResNetとNeural ODE（Ordinary Differential Equation、常微分方程式）

ResNetとNeural ODE（Ordinary Differential Equation、常微分方程式）の関係について、最も慎重な説明はどれか。

本文の対応箇所： 参照する

安定した時間発展

Q5. LayerNorm（Layer Normalization、層正規化）とL2正規化

LayerNorm（Layer Normalization、層正規化）とL2正規化の違いとして、正しいものはどれか。

本文の対応箇所： 参照する

Q6. Neural ODE（常微分方程式モデル）の表現力

Neural ODE（常微分方程式モデル）の表現力について注意すべき点はどれか。

本文の対応箇所： 参照する

Q7. 時間の明示化

生成モデルに時間軸を導入する利点として、最も適切な説明はどれか。

本文の対応箇所： 参照する

Q8. 時間発展を導入する意義

生成モデルの出力品質は同じだが、時間刻みを変えると軌道が大きく変わる。この結果への対応として、最も適切なものはどれか。

本文の対応箇所： 参照する