Appendix 6: 特異点の幾何学: AIはなぜ汎化するのか（理解度チェック）

正則と特異

Q1. 正則モデルと特異モデル

正則モデルと特異モデルの違いとして、正しいものはどれか。

本文の対応箇所： 参照する

Q2. 深層学習の特異性

深層学習が特異になりうる理由はどれか。

本文の対応箇所： 参照する

Q3. 谷の幾何学

特異モデルの損失地形を「谷の広さ」で見る意義はどれか。

本文の対応箇所： 参照する

Q4. RLCT（Real Log Canonical Threshold、実対数標準閾値）

RLCT（Real Log Canonical Threshold、実対数標準閾値）を「空間の実質的な次元」として読む説明はどれか。

本文の対応箇所： 参照する

相転移と汎化

Q5. 学習の相転移

学習の相転移を幾何学的に見ると、何が急に変化しうるか。

本文の対応箇所： 参照する

Q6. 特異点解消

特異点解消の数学的な役割として、正しいものはどれか。

本文の対応箇所： 参照する

Q7. 情報幾何学との統合

特異学習理論と情報幾何学の関係について、適切な説明はどれか。

本文の対応箇所： 参照する

Q8. 汎化の読み方

同じ関数を表す二つのパラメータ設定で、損失地形の見え方と学習後の汎化が異なった。この結果の読み方として、最も適切なものはどれか。

本文の対応箇所： 参照する