Основы нейронных сетей - 5 семестр - тест с ответами Синергия - 2023
Состав работы
|
|
Необходимые программы
Работа представляет собой файл, который можно открыть в программе:
- Microsoft Word
Описание
Основы нейронных сетей - 5 семестр - тест с ответами Синергия - 2023
22 вопроса с ответами.
Сдано на 90 баллов в 2022 году.
22 вопроса с ответами.
Сдано на 90 баллов в 2022 году.
Дополнительная информация
1. Нейронные сети бывают следующих видов:
*Полносвязные и рекуррентные
*Рекуррентные, сверточные и трансформеры
*Рекуррентные, сверточные, полносвязные и трансформеры
2. Задача классификации – это задача
*Обучения с учителем
*Обучения без учителя
*Обучения с подкреплением
3. Обучение нейронной сети – это применение алгоритма оптимизации для решения задачи
*Минимизации средней нормы градиента эмпирического риска по весам модели
*Минимизации эмпирического риска
*Минимизации средней нормы матриц весов модели
4. Отметьте верные высказывания о функциях активации:
*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
*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
* Все функции активации взаимозаменяемы вследствие того, что имеют одну и ту же область значений и область определения
5. Идея Momentum состоит в:
*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
*Использовании идеи физической инерции посредством добавления моментных членов,
"скоростей"
*приближенном, а значит - более быстром ("моментальном") вычислении градиентов в текущей
6. Нейронные сети, наиболее часто применяющиеся в CV – это
*Полносвязные
*Сверточные
*Рекуррентные
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:
*Выбора семейства F
*Оценки качества выбранной функции f из семейства F
*Поиска наилучшей функции из семейства F
8. Производная сигмоиды выражается через саму сигмоиду аналитически, как
*sigm’ = sigm(1 - sigm)
*sigm’ = 5sigm^(5)
*sigm’ = 100sigm/sin(sigm)
9. Метод подбора адаптированного learning rate на основе оценки исторических градиентов:
*Nesterov Momentum
*RMSProp
*Adagrad
10. При прямом проходе через Feed Forward Neural Network:
*Происходит обновление весов модели на основе градиентов, посчитанных на предыдущей итерации
*Происходит выстраивание архитектуры модели посредством подбора числа слоев и их размеров
+*Сигнал передается посредством последовательного матричного умножения и
применениянелинейных функций активации
11. Архитектура полносвязной нейронные сети основана на идее
*обобщения низкоуровневых признаков и генерирования на их основе более высокоуровневых
*Построения разделяющей гиперплоскости
*Минимизации лосс-функции без использования градиентных методов
12. Начальная инициализация весов нейросети:
*Должна быть константной для того, чтобы результаты обучения нейросети на одной и той же трейнинговой выборке были воспроизводимыми
*Должна быть случайной для того, чтобы модель могла обучиться, не зануляя градиенты
на определенном шаге, причем такой, что дисперсия сигнала не будет изменяться при
проходечерез слои нейросети.
*Может быть любой
13. Лучший способ борьбы с переобучением:
*Изменение архитектуры модели
*Регуляризации
*Увеличение количества данных
14. Наиболее популярный на текущий момент метод оптимизации, основанный на идее использования двух моментных членов, предложенный в 2015 году:
*ADAM
*Adagrad
*Adadelta
15. Обучение с учителем характеризуется
*Целью обучить агента принимать оптимальные решения в среде
* Отсутствием размеченной выборки
*Наличием размеченной выборки
16. Градиентные методы оптимизации
*Представляют собой итерационные алгоритмы
*Аналитически ищут решение задачи оптимизации
*Вопреки названию, не используют градиенты
17. Условия Каруша-Куна-Таккера применимы для решения:
*Любой задачи оптимизации
*Задачи выпуклой оптимизации
*Задачи оптимизации произвольной функции на выпуклом множестве Q
18. Все описанные в лекции алгоритмы обладают общим свойством. Каким?
*Для всех требуется вычисление матрицы Гессе оптимизируемой функции
*Для всех требуется вычисление градиентов оптимизированной функции
*Для всех требуется подсчет значения оптимизируемой функции в данной точке
19. Функции активации в нейронных сетях:
*Нелинейны (глобально) и вносят неоднородность в сигнал при прямом проходе
*Линейны и нужны для проверки работоспособности модели
*Активируют нейросеть в разных режимах работы
20. Переобучение – это эффект, возникающий при
*Излишней сложности модели по отношению к сложности обучающей выборки, из-за
чегопроисходит “заучивание” данных
*Слишком долгом обучении модели, из-за чего она теряет свою предсказательную способность вследствие увеличения энтропии весов
*Усталости специалиста по машинному обучению от того, что его модели слишком долго учатся
21. Алгоритм Backpropagation:
*Состоит в случайном подборе весов модели до тех пор, пока не будет достигнут оптимальный набор параметров, минимизирующий ошибку
*Используется только для оптимизации полносвязных нейросетей
*Последовательном вычислении градиентов по весам модели, начиная с последнего слоя, по
предактивациям соответствующего слоя и градиентам по весам следующего
22. Функции активации в нейронных сетях:
*Нелинейны (глобально) и вносят неоднородность в сигнал при прямом проходе
*Линейны и нужны для проверки работоспособности модели
*Активируют нейросеть в разных режимах работы
*Полносвязные и рекуррентные
*Рекуррентные, сверточные и трансформеры
*Рекуррентные, сверточные, полносвязные и трансформеры
2. Задача классификации – это задача
*Обучения с учителем
*Обучения без учителя
*Обучения с подкреплением
3. Обучение нейронной сети – это применение алгоритма оптимизации для решения задачи
*Минимизации средней нормы градиента эмпирического риска по весам модели
*Минимизации эмпирического риска
*Минимизации средней нормы матриц весов модели
4. Отметьте верные высказывания о функциях активации:
*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
*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
* Все функции активации взаимозаменяемы вследствие того, что имеют одну и ту же область значений и область определения
5. Идея Momentum состоит в:
*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
*Использовании идеи физической инерции посредством добавления моментных членов,
"скоростей"
*приближенном, а значит - более быстром ("моментальном") вычислении градиентов в текущей
6. Нейронные сети, наиболее часто применяющиеся в CV – это
*Полносвязные
*Сверточные
*Рекуррентные
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:
*Выбора семейства F
*Оценки качества выбранной функции f из семейства F
*Поиска наилучшей функции из семейства F
8. Производная сигмоиды выражается через саму сигмоиду аналитически, как
*sigm’ = sigm(1 - sigm)
*sigm’ = 5sigm^(5)
*sigm’ = 100sigm/sin(sigm)
9. Метод подбора адаптированного learning rate на основе оценки исторических градиентов:
*Nesterov Momentum
*RMSProp
*Adagrad
10. При прямом проходе через Feed Forward Neural Network:
*Происходит обновление весов модели на основе градиентов, посчитанных на предыдущей итерации
*Происходит выстраивание архитектуры модели посредством подбора числа слоев и их размеров
+*Сигнал передается посредством последовательного матричного умножения и
применениянелинейных функций активации
11. Архитектура полносвязной нейронные сети основана на идее
*обобщения низкоуровневых признаков и генерирования на их основе более высокоуровневых
*Построения разделяющей гиперплоскости
*Минимизации лосс-функции без использования градиентных методов
12. Начальная инициализация весов нейросети:
*Должна быть константной для того, чтобы результаты обучения нейросети на одной и той же трейнинговой выборке были воспроизводимыми
*Должна быть случайной для того, чтобы модель могла обучиться, не зануляя градиенты
на определенном шаге, причем такой, что дисперсия сигнала не будет изменяться при
проходечерез слои нейросети.
*Может быть любой
13. Лучший способ борьбы с переобучением:
*Изменение архитектуры модели
*Регуляризации
*Увеличение количества данных
14. Наиболее популярный на текущий момент метод оптимизации, основанный на идее использования двух моментных членов, предложенный в 2015 году:
*ADAM
*Adagrad
*Adadelta
15. Обучение с учителем характеризуется
*Целью обучить агента принимать оптимальные решения в среде
* Отсутствием размеченной выборки
*Наличием размеченной выборки
16. Градиентные методы оптимизации
*Представляют собой итерационные алгоритмы
*Аналитически ищут решение задачи оптимизации
*Вопреки названию, не используют градиенты
17. Условия Каруша-Куна-Таккера применимы для решения:
*Любой задачи оптимизации
*Задачи выпуклой оптимизации
*Задачи оптимизации произвольной функции на выпуклом множестве Q
18. Все описанные в лекции алгоритмы обладают общим свойством. Каким?
*Для всех требуется вычисление матрицы Гессе оптимизируемой функции
*Для всех требуется вычисление градиентов оптимизированной функции
*Для всех требуется подсчет значения оптимизируемой функции в данной точке
19. Функции активации в нейронных сетях:
*Нелинейны (глобально) и вносят неоднородность в сигнал при прямом проходе
*Линейны и нужны для проверки работоспособности модели
*Активируют нейросеть в разных режимах работы
20. Переобучение – это эффект, возникающий при
*Излишней сложности модели по отношению к сложности обучающей выборки, из-за
чегопроисходит “заучивание” данных
*Слишком долгом обучении модели, из-за чего она теряет свою предсказательную способность вследствие увеличения энтропии весов
*Усталости специалиста по машинному обучению от того, что его модели слишком долго учатся
21. Алгоритм Backpropagation:
*Состоит в случайном подборе весов модели до тех пор, пока не будет достигнут оптимальный набор параметров, минимизирующий ошибку
*Используется только для оптимизации полносвязных нейросетей
*Последовательном вычислении градиентов по весам модели, начиная с последнего слоя, по
предактивациям соответствующего слоя и градиентам по весам следующего
22. Функции активации в нейронных сетях:
*Нелинейны (глобально) и вносят неоднородность в сигнал при прямом проходе
*Линейны и нужны для проверки работоспособности модели
*Активируют нейросеть в разных режимах работы
Похожие материалы
Программирование на С++ - тест с ответами - Синергия - 2023
StudentHelp
: 20 ноября 2023
Программирование на С++ - тест с ответами - Синергия - 2023.
40 вопросов с ответами.
Работа содержит zip архив в котором содержатся скриншоты вопросов и также Word документ с ответами.
Работа сдана на 95 баллов(отлично) в 2023 году.
Работа является оригиналов ( включая скриншоты )
390 руб.
Этнопсихология - тест с ответами Синергия - 2023
StudentHelp
: 7 февраля 2023
Этнопсихология - тест с ответами Синергия - 2023
320 вопросов с ответами (Большая коллекция ответов).
Сдано в 2022 году на 100 баллов.
При покупке проверяйте пожалуйста интересующие вас вопросы.
390 руб.
Web-разработка - тест с ответами Синергия - 2023
StudentHelp
: 18 марта 2023
Web-разработка - тест с ответами Синергия - 2023
Все 27 вопросов с ответами которые есть в тесте.
Сдано на 95+ баллов в 2022(2023) году.
Ответы выделены в тексте.
Перед покупкой проверяйте актуальность вопросов в описании.
Для удобства поиска воспользуйтесь клавишами CTRL + F
390 руб.
Правоохранительные органы - тест с ответами Синергия - 2023
StudentHelp
: 18 марта 2023
Правоохранительные органы - тест с ответами Синергия - 2023
131 вопрос с ответом.
Сдано на 100 баллов в 2022 году.
Перед покупкой проверяйте актуальность вопросов в описании.
390 руб.
Инвестиционный менеджмент - тест с ответами Синергия - 2023
StudentHelp
: 27 февраля 2023
Инвестиционный менеджмент - тест с ответами Синергия - 2023
127 вопросов с ответами.
Сдано на 90 баллов в 2022 году.
Для удобства поиска по файлу воспользуйтесь CTRL + F.
Перед покупкой проверяйте актуальность вопросов.
390 руб.
Налоги и налогооблажения - тест с ответами Синергия - 2023
StudentHelp
: 15 февраля 2023
Налоги и налогооблажения - тест с ответами Синергия - 2023
204 вопроса с ответами.
Сдано на 97 баллов в 2022 году.
Для удобства поиска воспользуйтесь : CTRL + F.
Перед покупкой проверяйте актуальность вопросов.
390 руб.
Трудоустройство и развитие карьеры - тест с ответами - Синергия - 2023
StudentHelp
: 21 сентября 2023
Трудоустройство и развитие карьеры - тест с ответами - Синергия - 2023
Работа содержит архив с word документом на 53 вопроса с ответами.
Все ответы выделены цветом.
Для удобства поиска, используйте клавиши - CTRL+F в документе.
Работа сдана в 2023 году на 90 баллов(отлично).
Данная работа является оригиналом(смотрите дату сдачи и дату загрузки в магазин).
При покупке проверяйте актуальность вопросов для ВАС.
390 руб.
Концепции современного естествознания - тест с ответами - Синергия 2023
StudentHelp
: 8 июня 2023
Концепции современного естествознания - тест с ответами - Синергия 2023
351 вопрос с ответами.
Сдано на 100 баллов в 2023 году.
Перед покупкой проверяйте актуальность вопросов в описании.
Для поиска по файлу воспользуйтесь сочетанием клавиш Ctrl+F).
390 руб.
Другие работы
РФЭТ Безопасность жизнедеятельности, дифференцированный зачет, самостоятельная работа, контрольная работа
DaGLeV
: 12 февраля 2018
ДИФФЕРЕНЦИРОВАННЫЙ ЗАЧЕТ
1. Виктимология – это:
а) наука о психологии жертвы;
б) наука о поведении людей;
в) учение о непредвиденных ситуациях.
2. Виктимность жестов демонстрирует:
а) переполненный почтовый ящик;
б) что-то прячущий в вещах человек на пляже;
в) пьяный гражданин в дорогой одежде, в одиночестве бреду-
щий по ночному городу.
3. Виктимностью поведения называют поведение:
а) уравновешенное;
б) возбужденное;
в) провоцирующее.
4. К какой категории относятся приведенные примеры: выгляды
400 руб.
Культура и общественная мысль в Москве второй половины XIX века
Aronitue9
: 25 августа 2013
Во второй половине XIX века облик Москвы значительно изменился. По воспоминаниям Н.В.Давыдова: «Дореформенная старая Москва отжила, стала достоянием прошлого… Что-то неуловимое изменило общий вид Москвы, отняв у нее свойственные ей прежде характерные черты неподвижного захолустья, столицы сонного царства». Освобождение крестьян, введение земского и городского самоуправления, судебные уставы, новый университетский устав – все это всколыхнуло московское общество, ввело в него новые элементы, заста
10 руб.
Контрольная работа по дисциплине: Социология и право. Тема №2 (модуль: Социология)
Roma967
: 8 июля 2023
Тема: «З.Бауман: «мыслить социологически» – что это значит?»
Содержание
Введение 3
1. Социологический подход З. Баумана 4
1.1 Определение понятия 4
1.2 Отличия социологического подхода от обыденного сознания 5
1.3 Роль социологического подхода в научных исследованиях 6
1.4 Примеры применения социологического подхода в исследованиях З.Баумана 7
2. «Мыслить социологически» 8
2.1 Основные принципы «мышления социологически» 9
2.2 Примеры применения «мышления социологически» в жизни и научных иссле
300 руб.
Лабораторный практикум по бухгалтерскому финансовому учету
Aronitue9
: 13 июня 2012
В задаче 178 хозяйственных операций.
Данные для расчета:
Производственное предприятие ООО «Наша фирма» выпускает изделия двух видов А и Б. Прямые затраты учитываются по местам их возникновения. К ним относятся:
расход материалов,
амортизация основного производственного оборудования,
расходы на оплату труда основных производственных работников,
расходы на социальное страхование и обеспечение основных производственных работников.
По данным инвентаризации остаток незавершенного производства на
20 руб.