Opi

Suositut aiheet

Suositut teknologiat

Harjoittele

Tietovisat & Haasteet

/

Johdatus Neuroverkkoihin Pythonilla

Visa: Neuroverkkojen Perusteet

Pyyhkäise näyttääksesi valikon

1. Neuroverkon neuroni tyypillisesti:

2. Perceptroni on:

3. Takaisinlevityksen ensisijainen tehtävä on:

4. Koulutusdatan skaalaus:

5. Neuroverkon koulutusprosessi koostuu pääasiassa seuraavasta:

6. TensorFlow ja PyTorch ovat:

7. Milloin valitsisit perinteiset koneoppimismallit neuroverkkojen sijaan?

8. Konvoluutiohermoverkkoja (CNN) käytetään ensisijaisesti:

9. Toistuvat hermoverkot (RNN) soveltuvat parhaiten:

10. Mikä seuraavista EI ole neuroverkkojen käytön etu?

11. Mikä on aktivointifunktion rooli neuronissa?

12. Missä vaiheessa lasketaan häviö ja säädetään painoja kerrosten läpi taaksepäin?

13. Neuroverkkojen yhteydessä epochit tarkoittavat:

14. Ylisopeutunut neuroverkko:

Neuroverkon neuroni tyypillisesti:

Valitse oikea vastaus

Välittää sähköisiä signaaleja.

Vastaanottaa syötteitä ja tuottaa niiden perusteella ulostulon.

Voi oppia ilman syötettä.

Esiintyy vain biologisissa järjestelmissä.

Perceptroni on:

Valitse oikea vastaus

Neuroverkko, jossa on yksi kerros.

Toinen nimi neuronille.

Eräs aktivointifunktio.

Pilvitallennusratkaisu.

Takaisinlevityksen ensisijainen tehtävä on:

Valitse oikea vastaus

Ennustaa seuraava jakso datassa.

Säätää neuroverkon painoja virheiden perusteella.

Suodattaa kohinaa syötteestä.

Tallentaa eteenpäinlevityksen tulokset.

Koulutusdatan skaalaus:

Valitse oikea vastaus

Tekee datasta lukukelvotonta.

Voi parantaa neuroverkkojen koulutuksen nopeutta ja tarkkuutta.

On tarpeen vain perinteisille koneoppimismalleille.

Lisää enemmän kohinaa dataan.

Neuroverkon koulutusprosessi koostuu pääasiassa seuraavasta:

Valitse oikea vastaus

Kaikkien painojen ja biasien satunnainen asettaminen.

Aktivointifunktioiden käytön välttäminen.

Painojen iteratiivinen säätäminen virheen minimoimiseksi.

Vain eteenpäin suuntautuvan etenemisen käyttäminen.

TensorFlow ja PyTorch ovat:

Valitse oikea vastaus

Kirjastoja/kehyksiä syväoppimiseen.

Aktivointifunktioiden tyyppejä.

Takaisinlevityksen menetelmiä.

Tietyntyyppisiä neuroverkkoja.

Milloin valitsisit perinteiset koneoppimismallit neuroverkkojen sijaan?

Valitse oikea vastaus

Kun käsitellään kuvantunnistusta.

Kun käytössä on pieniä tietoaineistoja ja yksinkertaisia rakenteita.

Vain tehtävissä, jotka vaativat sekvenssien ennustamista.

Konvoluutiohermoverkkoja (CNN) käytetään ensisijaisesti:

Valitse oikea vastaus

Tekstidataan ilman järjestystä.

Taulukkomuotoiseen dataan.

Vain yksidimensioiseen dataan.

Kuvadataan.

Toistuvat hermoverkot (RNN) soveltuvat parhaiten:

Valitse oikea vastaus

Kuvien luokitteluun.

Taulukkomuotoisen datan analysointiin.

Järjestysperäiseen dataan, kuten aikasarjoihin tai tekstiin.

Staattiseen dataan ilman järjestystä.

Mikä seuraavista EI ole neuroverkkojen käytön etu?

Valitse oikea vastaus

Tunnistaa monimutkaisia kuvioita.

Käsittelee suuria tietomääriä.

Tuottaa aina tulkittavia tuloksia.

Mikä on aktivointifunktion rooli neuronissa?

Valitse oikea vastaus

Auttaa tiedon tallentamisessa.

Avustaa taaksepäin suuntautuvassa etenemisessä.

Mahdollistaa mallin joustavuuden.

Vähentää parametrien määrää.

Missä vaiheessa lasketaan häviö ja säädetään painoja kerrosten läpi taaksepäin?

Valitse oikea vastaus

Alustaminen

Säännöllistäminen

Takaisinkytkentä

Eteenpäin suuntautuva eteneminen

Neuroverkkojen yhteydessä epochit tarkoittavat:

Valitse oikea vastaus

Verkon enimmäissyvyys.

Neuronien määrä.

Kertojen määrä, jolloin koko tietoaineisto syötetään verkon läpi.

Verkon oppimisnopeus.

Ylisopeutunut neuroverkko:

Valitse oikea vastaus

Suoriutuu erittäin hyvin opetusdatalla, mutta huonosti uudella, näkemättömällä datalla.

Suoriutuu huonosti sekä opetus- että testidatalla.

Suoriutuu hyvin näkemättömällä datalla, mutta huonosti opetusdatalla.

Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

Osio 3. Luku 4

Kysy tekoälyä

Kysy tekoälyä

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Osio 3. Luku 4

some-alt