Основы нейронных сетей / Нейронные сети (ответы на тест Синергия / МТИ / МОИ / МосАП)

• 20 вопросов с ответами
• Результат: 70 баллов из 100

После покупки вы получите файл Word с ответами на вопросы, которые указаны ниже. Верные варианты ответа выделены желтым цветом.

Чтобы найти нужный вопрос в файле, нажмите ctrl+F и введите несколько слов из тестового вопроса, затем нажмите Enter.

Перед покупкой вы можете посмотреть демо-файл с оценкой за тест.

Если вам нужна помощь с другими предметами или сдачей тестов онлайн, пишите в личные сообщения. Для этого перейдите по ссылке в мой профиль и нажмите "написать": https://studwork.ru/info/18856

Лучший способ борьбы с переобучением:

Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов

О Изменение архитектуры модели

О Регуляризации

О Увеличение количества данных

Идея Momentum состоит в:

Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов

О Вычислении градиента в точке, к которой алгоритм должен сойтись на текущем шаге, согласно посчитанному моментному члену, а не в той точке, откуда алгоритм производит шаг

О Использовании идеи физической инерции посредством добавления моментных членов, "скоростей"

О приближенном, а значит - более быстром("моментальном") вычислении градиентов в текущей точке

Обучение нейронной сети - это применение алгоритма оптимизации для решения задачи

Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов

О Минимизации средней нормы градиента эмпирического риска по весам модели

О Минимизации эмпирического риска

О Минимизации средней нормы матриц весов модели

Начальная инициализация весов нейросети:

Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов

О Должна быть константной для того, чтобы результаты обучения нейросети на одной и той же трейнинговой выборке были воспроизводимыми

О Должна быть случайной для того, чтобы модель могла обучиться, не зануляя градиенты на определенном шаге, причем такой, что дисперсия сигнала не будет изменяться при проходе через слои нейросети.

О Может быть любой

Функции активации в нейронных сетях:

Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов

О Нелинейны (глобально) и вносят неоднородность в сигнал при прямом проходе

О Линейны и нужны для проверки работоспособности модели

О Активируют нейросеть в разных режимах работы

Условия Каруша-Куна-Таккера применимы для решения:

Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов

О Любой задачи оптимизации

О Задачи выпуклой оптимизации

О Задачи оптимизации произвольной функции на выпуклом множестве Q

Алгоритм Backpropagation:

Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов

О Состоит в случайном подборе весов модели до тех пор, пока не будет достигнут оптимальный набор параметров, минимизирующий ошибку

О Используется только для оптимизации полносвязных нейросетей

О Последовательном вычислении градиентов по весам модели, начиная с последнего слоя, по предактивациям соответствующего слоя и градиентам по весам следующего

Все описанные в лекции алгоритмы обладают общим свойством. Каким?

Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов

О Для всех требуется вычисление матрицы Гессе оптимизируемой функции

О Для всех требуется вычисление градиентов оптимизированной функции

О Для всех требуется подсчет значения оптимизируемой функции в данной точке

Переобучение - это эффект, возникающий при

Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов

О Излишней сложности модели по отношению к сложности обучающей выборки, из-за чего происходит "заучивание" данных

О Слишком долгом обучении модели, из-за чего она теряет свою предсказательную способность вследствие увеличения энтропии весов

О Усталости специалиста по машинному обучению от того, что его модели слишком долго учатся

Производная сигмоиды выражается через саму сигмоиду аналитически, как

Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов

Задачу машинного обучения можно представить в виде последовательности выполнения действий по выбору оптимальной решающей функции f из многопараметрического семейства F. Задача обучения сводится к задаче оптимизации на этапе:

Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов

О Выбора семейства F

О Оценки качества выбранной функции f из семейства F

О Поиска наилучшей функции из семейства F

Нейронные сети, наиболее часто применяющиеся в CV - это

Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов

О Полносвязные

О Сверточные

О Рекуррентные

Градиентные методы оптимизации

Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов

О Представляют собой итерационные алгоритмы

О Аналитически ищут решение задачи оптимизации

О Вопреки названию, не используют градиенты

Метод подбора адаптированного learning rate на основе оценки исторических градиентов:

Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов

О Nesterov Momentum

О RMSProp

О Adagrad

Задача классификации - это задача

Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов

О Обучения с учителем

О Обучения без учителя

О Обучения с подкреплением

При прямом проходе через Feed Forward Neural Network:

Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов

О Происходит обновление весов модели на основе градиентов, посчитанных на предыдущей итерации

О Происходит выстраивание архитектуры модели посредством подбора числа слоев и их размеров

О Сигнал передается посредством последовательного матричного умножения и применения нелинейных функций активации

Наиболее популярный на текущий момент метод оптимизации, основанный на идее использования двух моментных членов, предложенный в 2015 году:

Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов

О ADAM

О Adagrad

О Adadelta

Нейронные сети бывают следующих видов:

Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов

О Полносвязные и рекуррентные

О Рекуррентные, сверточные и трансформеры

О Рекуррентные, сверточные, полносвязные и трансформеры

Отметьте верные высказывания о функциях активации:

Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов

О Функция активации сигмоида лежит в диапазоне [0,1] и может быть интерпретирована как вероятность, а потому часто используется для решения задач бинарной классификации. Функция ReLU - кусочно-линейная

О Функция Leacky ReLU - всюду дифференцируема. Популярная функция активации гиперболический тангенс может быть использована, как решающая функция для задачи регрессии. Производная сигмоидальной функции не выражается аналитически через значение самой функции в данной точке

О Все функции активации взаимозаменяемы вследствие того, что имеют одну и ту же область значений и область определения

Обучение с учителем характеризуется

Тип ответа: Одиночный выбор • с выбором одного правильного ответа из нескольких предложенных вариантов

О Целью обучить агента принимать оптимальные решения в среде

О Отсутствием размеченной выборки

О Наличием размеченной выборки