事前学習済みのハイブリッドモデルがあり、CNNとそれに続く3層のRNNで構成されており、異なるオブジェクトセットを分類するように学習されています。最小限の労力で新しいが関連する分類タスクに適応させるには、どのようなアクションを実行すべきですか？（2つ選択してください。）

事前学習済みモデルを新しいタスクに最小限の労力で適応させるには、転移学習の手法を用います。CNNは特徴抽出器として機能するため、その下位層は汎用的な特徴を学習しています。新しいタスクでは、CNNの最後の全結合層（分類器部分）の重みを再初期化し、新しい分類ラベルで再トレーニングすることで、既存の特徴抽出能力を活かしつつ、新しい分類に対応できます。同様に、RNNはシーケンスデータから時間的特徴を学習しており、その最終層を再初期化して新しい予測タスクでモデル全体を再トレーニングすることで、新しい予測目標に適応させることができます。ネットワーク全体の重みを再初期化すると、事前学習の恩恵が失われ、ゼロから学習し直すことになり、労力が増大します。