Основы нейронных сетей для СИНЕРГИИ/МТИ/МОИ(тест)

Тест сдан на Отлично!

Список вопросов предоставлен ниже

1. Активационной функцией называется:
2. Алгоритм Backpropagation:
3. Архитектура полносвязной нейронные сети основана на идее
4. Все описанные в лекции алгоритмы обладают общим свойством. Каким?
5. Градиентные методы оптимизации
6. Задача классификации – это задача
7. 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:
8. Идея Momentum состоит в:
9. Как происходит обучение нейронной сети?
10. Лучший способ борьбы с переобучением:
11. Матричное умножение XW вычисляет:
12. Метод подбора адаптированного learning rate на основе оценки исторических градиентов:
13. Наиболее популярный на текущий момент метод оптимизации, основанный на идее использования двух моментных членов, предложенный в 2015 году:
14. Начальная инициализация весов нейросети:
15. Нейронные сети бывают следующих видов:
16. Нейронные сети, наиболее часто применяющиеся в CV – это
17. "Обучение без учителя" характеризуется отсутствием:
18. Обучение нейронной сети – это применение алгоритма оптимизации для решения задачи
19. Обучение с учителем характеризуется
20. Отметьте верные высказывания о функциях активации:
21. Переобучение – это эффект, возникающий при
22. При прямом проходе через Feed Forward Neural Network:
23. Производная сигмоиды выражается через саму сигмоиду аналитически, как
24. Условия Каруша-Куна-Таккера применимы для решения:
25. Функции активации в нейронных сетях: