ソフトマックス関数 y_k = exp(z_k / T) / Σ_j exp(z_j / T) における「温度パラメータ T（T > 0）」の効果に関する記述として、最も適切なものを1つ選択してください。
出典G検定オリジナル模擬試験
ア
温度 T を高くする（T > 1）ほど確率分布は平滑化（より均一に近づく）され、温度 T を低くする（T → 0）ほど最大値を持つクラスの確率が1に近づく尖った分布（アルグマックスに近い分布）になる。
イ
温度 T を高くするほど特定の1クラスの確率のみが急激に1.0に固定される。
ウ
温度 T は学習率と同じ役割を果たし、損失関数の勾配の大きさを直接定数倍する。
エ
温度 T をどのような値に設定しても、出力される確率ベクトルの総和は常に 100 に正規化される。