ディープラーニングにおける多層ニューラルネットワークと特徴量抽出

ディープラーニング（深層学習：Deep Learning）は、人間の脳の神経回路網を模倣した人工ニューラルネットワーク（ANN）を多層化（入力層・多数の中間層・出力層）したモデルを用い、大量の学習データから各ノード間の結合パラメータ（重みやバイアス）を自動的に調整・最適化することで、人間が手作業で特徴量を設計しなくても高度なパターン認識や予測を行う技術です。 専門知識をIF-THENルール等としてモデル化し推論を行うシステムは「エキスパートシステム」の説明です。 深さ優先で探索し条件に合わなければ直前の分岐に戻る手法は「バックトラッキング（バックトラック法）」の説明です。 解の候補を遺伝子に見立て、交配・突然変異・選択を繰り返す最適化手法は「遺伝的アルゴリズム（GA）」の説明です。

AIにおけるディープラーニングに最も関連が深いものはどれか。

出典令和3年度 秋期 応用情報技術者試験 午前 問3
ア
ある特定の分野に特化した知識を基にルールベースの推論を行うことによって，専門家と同じレベルの問題解決を行う。
イ
試行錯誤しながら条件を満たす解に到達する方法であり，場合分けを行い深さ優先で探索し，解が見つからなければ一つ前の場合分けの状態に後戻りする。
ウ
神経回路網を模倣した方法であり，多層に配置された素子とそれらを結ぶ信号線で構成されたモデルにおいて，信号線に付随するパラメータを調整することによって入力に対して適切な解が出力される。
エ
生物の進化を模倣した方法であり，与えられた問題の解の候補を記号列で表現して，それらを遺伝子に見立てて突然変異，交配，とう汰を繰り返して逐次的により良い解に近づける。