Нейронные Сети

Какое из следующих утверждений о нейронных сетях верно?

• Нейронные сети моделируют структуру мозга и работают точно так же.
• Нейронные сети используют только один слой для обработки данных.
• Нейронные сети не могут обучаться на небольших объемах данных.
• Нейронные сети применяются только в области изображений и распознавания речи.

Как называется функция активации, используемая для преобразования выхода нейрона в диапазон от 0 до 1?

• ReLU
• Сигмоид
• TanH
• Softmax

Что представляет собой «переобучение» в контексте нейронных сетей?

• Недостаточное количество обучающих данных.
• Слишком медленная скорость обучения.
• Модель слишком хорошо подстроилась под обучающие данные и плохо обобщается на новые данные.
• Использование слишком простой модели.

Что такое «вес» нейрона в нейронной сети?

• Скорость обучения нейрона.
• Число нейронов в слое.
• Выходной сигнал нейрона.
• Коэффициент, определяющий важность входных данных для выхода нейрона.

Какой из следующих видов нейронных сетей используется для классификации?

• Рекуррентная нейронная сеть (RNN).
• Свёрточная нейронная сеть (CNN).
• Генеративно-состязательная сеть (GAN).
• Многослойный персептрон (MLh2).

Что такое «функция потерь» в контексте обучения нейронных сетей?

• Скорость обучения нейронной сети.
• Количество нейронов в выходном слое.
• Выходной сигнал нейрона.
• Мера расхождения между предсказанными значениями и фактическими значениями.

Какая функция активации обычно используется в скрытых слоях нейронных сетей?

• Sigmoid
• ReLU
• TanH
• Softmax

Какие из перечисленных задач могут быть решены с использованием нейронных сетей?

• Распознавание изображений
• Машинный перевод текста
• Распознавание речи
• Все вышеперечисленные задачи.

Что представляет собой «обучение с учителем» в контексте нейронных сетей?

• Модель обучается без наличия учителя.
• Модель обучается с использованием только положительных примеров.
• Модель обучается с использованием только отрицательных примеров.
• Модель обучается на основе пар вход-выход (учительских примеров).

Какой из следующих методов оптимизации часто используется для обучения нейронных сетей?

• Метод случайного поиска
• Градиентный спуск
• Adam
• Метод касательных плоскостей

Какое из нижеперечисленных утверждений описывает структуру нейрона в искусственных нейронных сетях?

• Содержит в себе только один слой для входных данных.
• Имеет три входа и один выход.
• Состоит из весов, активационной функции и входных данных.
• Содержит веса, входы, сумматор и активационную функцию.

Какая из перечисленных функций обычно используется для вычисления ошибки в процессе обучения нейронных сетей?

• Синусоида.
• Тангенс.
• Экспоненциальная функция.
• Функция потерь.

Какие типы обучения могут быть применены при обучении нейронных сетей?

• Только надзорное обучение.
• Обучение с подкреплением.
• Обучение без учителя.
• Все вышеперечисленное.

Что представляет собой функция активации в нейронной сети?

• Сумму входных данных.
• Веса, применяемые к данным.
• Нелинейное преобразование выхода нейрона.
• Результат умножения весов на входные данные.

Что такое перцептрон в терминах нейронных сетей?

• Нейрон с нелинейной активационной функцией.
• Сеть, состоящая только из входного слоя.
• Нейрон с одним входом и одним выходом.
• Простейший вид искусственного нейрона с пороговой функцией активации.

Какая функция используется для обновления весов в процессе обучения нейронных сетей?

• Сигмоида.
• Гиперболический тангенс.
• Градиентный спуск.
• Регуляризация.

Что представляет собой эпоха в контексте обучения нейронных сетей?

• Слой нейронов в сети.
• Процесс передачи сигнала по сети.
• Одна итерация обучения по всем образцам в наборе данных.
• Период, в течение которого весь набор данных использован для обучения.

Что такое сверточные нейронные сети (СNN)?

• Сети, обученные с подкреплением.
• Сети без весов.
• Сети, специально предназначенные для обработки и анализа изображений.
• Сети с большим количеством скрытых слоев.

Что такое переобучение (overfitting) в контексте нейронных сетей?

• Недостаточное количество обучающих данных.
• Слишком большое количество эпох обучения.
• Нейроны слишком маленького размера.
• Ситуация, когда модель слишком хорошо подстроена под обучающие данные и теряет обобщающую способность.

Какие компоненты включает в себя архитектура рекуррентных нейронных сетей (RNN)?

• Только входной слой и выходной слой.
• Несколько скрытых слоев.
• Циклическое соединение нейронов, позволяющее передачу информации во времени.
• Только один слой с переменными весами.

Какое из нижеперечисленных утверждений о нейронных сетях является верным?

• Нейронные сети используются исключительно для анализа текстовой информации.
• Нейронные сети могут быть обучены извлекать сложные закономерности из данных.
• Нейронные сети не требуют обучения и могут работать непосредственно после создания.
• Нейронные сети применяются только в области медицины.

Какой компонент является основным строительным блоком нейронных сетей?

• Алгоритмы сортировки.
• Графические процессоры (Gh2U).
• Искусственные нейроны (нейроны).
• Ключи шифрования.

Что такое «обучение с учителем» в контексте нейронных сетей?

• Процесс самостоятельного обучения нейронов.
• Использование сетей для создания новых учителей.
• Обучение модели на основе пары входных данных и соответствующих выходных данных.
• Обучение нейронов на основе случайных данных.

Какую роль выполняет функция активации в нейронных сетях?

• Определяет, какие данные будут поданы на вход сети.
• Задает цвет для визуализации нейронных связей.
• Скорректировывает выходные данные для лучшей производительности.
• Вводит нелинейность, позволяя сети моделировать сложные функции.

Что представляет собой «переобучение» в контексте машинного обучения?

• Недостаточное количество данных для обучения.
• Неспособность сети адаптироваться к новым данным.
• Некорректная настройка параметров сети.
• Ситуация, когда модель слишком хорошо запоминает тренировочные данные и не обобщает их на новые случаи.

Какие типы слоев чаще всего используются в сверточных нейронных сетях для анализа изображений?

• Слой обратного распространения.
• Слой декодирования.
• Слой агрегации.
• Слой свертки.

Что такое «функция потерь» в машинном обучении?

• Функция, определяющая силу связей между нейронами.
• Способ измерения производительности модели.
• Алгоритм оптимизации весов сети.
• Метрика, оценивающая разницу между предсказанными и фактическими значениями.

Что представляет собой «глубокое обучение»?

• Тип обучения, требующий больше времени.
• Обучение на большом объеме данных.
• Тренировка нейронов на различных задачах.
• Процесс обучения модели с использованием многих слоев (глубоких) нейронной сети.

Какая роль у «скрытых слоев» в нейронных сетях?

• Скрытие внутренних параметров сети от внешнего мира.
• Определение целевых переменных.
• Извлечение сложных признаков из входных данных.
• Скрытие процесса обучения от пользователя.

Что представляет собой «рекуррентная нейронная сеть» (RNN)?

• Сеть, способная работать только с изображениями.
• Сеть, обученная анализу звука.
• Сеть, способная обрабатывать последовательности данных с учетом предыдущего контекста.
• Сеть, предназначенная для распознавания образов в больших объемах текста.

Какой из следующих элементов не является основным строительным блоком нейронной сети?

• Нейрон
• Вес
• Слой
• Функция активации

Что такое функция активации в нейронной сети?

• Вес, присваемый каждому связанному нейрону
• Специальная функция, определяющая выход нейрона
• Метод вычисления ошибки
• Число слоев в нейронной сети

Какая из перечисленных архитектур предназначена для передачи данных только в одном направлении, от входных к выходным нейронам?

• Рекуррентная нейронная сеть
• Свёрточная нейронная сеть
• Прямая нейронная сеть
• Глубокая нейронная сеть

Что такое backh2roh2agation в контексте нейронных сетей?

• Процесс прямого распространения сигнала в сети
• Выбор подходящей функции активации
• Использование случайных весов при обучении
• Алгоритм коррекции весов в обратном направлении

Какая функция используется для измерения ошибки в задачах классификации в нейронных сетях?

• Сигмоидная функция
• Тангенс гиперболический
• Функция активации ReLU
• Кросс-энтропия

Что представляет собой процесс обучения нейронной сети на наборе данных?

• Расчет точности сети
• Определение структуры сети
• Коррекция весов на основе ошибки
• Измерение времени обработки данных

Какой слой нейронной сети обычно используется для сведения размерности данных?

• Скрытый слой
• Выходной слой
• Свёрточный слой
• Рекуррентный слой

Какой метод оптимизации часто применяется для коррекции весов в нейронных сетях?

• Градиентный спуск
• Метод Ньютона
• Метод касательных
• Adam

Что такое переобучение (overfitting) в контексте нейронных сетей?

• Недостаточное количество обучающих данных
• Слишком высокий уровень шума в данных
• Преждевременная остановка обучения
• Слишком точное соответствие обучающим данным, но не обобщение на новые данные

Что представляют собой веса нейронов в контексте нейронных сетей?

• Специальные коэффициенты для коррекции ошибок
• Экспоненциальные коэффициенты для активации
• Параметры, определяющие силу связей между нейронами
• Число проходов данных через сеть