問題 No.16
自己教師あり学習（Contrastive Learning）において、ラベルなしの大量な画像データから汎用的な特徴量を効率よく抽出させたい。同じ画像に回転や色調変更などの異なる水増しを施したペア（陽例）のベクトル距離を極限まで近づけ、同時に全く関係のない別の画像（陰例）のベクトル距離を遠ざけるようにモデルを最適化する際に用いられる、対照的な関係を定式化した損失関数はどれか。
【正解の解説】
Contrastive Loss
Contrastive Loss（対照損失）とは、自己教師あり学習などにおいて、似た画像ペアの表現ベクトルを近づけ、異なる画像ペアの表現ベクトルを引き離すようにモデルを直接学習させるための代表的な損失関数です。
スポンサーリンク
【その他の選択肢の解説】
交差エントロピー誤差関数
クロスエントロピー誤差（交差エントロピー誤差関数）は、主に他クラス分類タスクなどで、正解クラスの予測確率を最大化するために使用される一般的な損失関数です。
平均二乗誤差
平均二乗誤差(MSE)は、主に回帰タスクにおいて、モデルの予測値と真の値（正解の数値）との間の距離を測るために用いられる基本的な損失関数です。
KLダイバージェンス
KLダイバージェンス（カルバック・ライブラー情報量）は、2つの確率分布がどれくらい異なっているかを計測・評価するための指標（距離尺度）です。