Multiple-Choice-Fragen zu Neuronalen Netzwerken
Multiple-Choice-Fragen zu Neuronalen Netzwerken
Willkommen auf der Seite mit Multiple-Choice-Fragen zu Neuronalen Netzwerken auf MCQss.com. Hier finden Sie eine Vielzahl von Multiple-Choice-Fragen, die sich mit den Konzepten von neuronalen Netzwerken befassen. Sie können eine Antwort für jede Frage auswählen und überprüfen, ob sie korrekt ist.
Neuronale Netzwerke beziehen sich auf Netzwerkmodelle, die die Funktionsweise des menschlichen Gehirns nachahmen. Sie werden verwendet, um Probleme wie Klassifikation, Mustererkennung, Vorhersage und vieles mehr zu lösen. Neuronale Netzwerke finden Anwendung in verschiedenen Bereichen wie Computer Vision, natürlicher Sprachverarbeitung, Empfehlungssystemen und anderen.
Wenn Sie mehr über neuronale Netzwerke erfahren möchten, ist es wichtig, grundlegende Konzepte wie künstliche Neuronen, Netzwerkschichten, Aktivierungsfunktionen und Netzwerktraining zu verstehen. Das Wissen über neuronale Netzwerke ist wertvoll für Fachleute im Bereich des Maschinenlernens, der künstlichen Intelligenz und verwandter Disziplinen.
Die kostenlosen Multiple-Choice-Fragen zu Neuronalen Netzwerken auf MCQss.com helfen Ihnen dabei, Ihr Wissen zu vertiefen und Ihre Fähigkeiten in diesem Bereich zu bewerten. Sie können sie zum Üben verwenden, sich auf Interviews und Prüfungen vorbereiten und Ihr Wissen über neuronale Netzwerke erweitern.
Welche Vorteile bieten Ihnen diese Multiple-Choice-Fragen zu Neuronalen Netzwerken? Sie helfen Ihnen bei der Vorbereitung auf anstehende Interviews, Prüfungen und Tests. Sie können auch diese kostenlosen Multiple-Choice-Fragen nutzen, um zu üben und Ihr Wissen in diesem Bereich zu erweitern.
1: Was ist Adaline in neuronalen Netzwerken?
A. Adaptives Linienelement
B. Adaptives lineares Element
C. Automatisches lineares Element
D. Keiner der erwähnten
2: Was gilt für neuronale Netze?
A. Es hat eine Reihe von Knoten und Verbindungen
B. Jeder Knoten berechnet seine gewichtete Eingabe
C. Der Knoten könnte im angeregten Zustand oder in nicht angeregten Zustand sein
D. Alle oben genannten
3: Was sind Modelle in neuronalen Netzwerken?
A. Darstellung biologischer neuronaler Netze
B. Mathematische Darstellung unseres Verständnisses
C. Sowohl erste als auch zweite
D. Nichts des oben Genannten
4: Wie viele Arten von künstlichen neuronalen Netzwerken?
A. 3
B. 2
C. 4
D. 5
5: Wofür steht RNN?
A. Wiederkehrendes neuronales Netzwerk
B. Wiederkehrendes neuronales Netzwerk
C. Abnehmbares neuronales Netzwerk
D. Nichts des oben Genannten
6: Was ist die Auto-Assoziationsaufgabe in neuronalen Netzwerken?
A. Vorhersage der zukünftigen Eingaben
B. Im Zusammenhang mit Speicher- und Rückrufaufgabe
C. Finden Sie eine Beziehung zwischen 2 aufeinanderfolgenden Eingaben
D. Alle oben genannten
7: Was ist Plastizität in neuronalen Netzwerken?
A. Eingabemuster ist statisch geworden
B. Das Eingabemuster ändert sich immer wieder
C. Das Ausgangsmuster ändert sich immer wieder
D. Nichts des oben Genannten
8: Signalübertragung bei Synapse ist ein?
A. Chemischer Prozess
B. Physischer Prozess
C. Sowohl chemischer als auch physikalischer Prozess
D. Nichts des oben Genannten
9: Operationen in den neuronalen Netzwerken können die Art von Operationen ausführen?
A. Parallel
B. Serie
C. Beide parallel und seriell
D. Nichts des oben Genannten
10: Ein neuronales Netzwerk ist ein Netzwerk oder eine Schaltung von Neuronen.
A. WAHR
B. FALSCH
11: Neuronale Netze können in verschiedenen Bereichen verwendet werden. wie zum Beispiel -
A. Einstufung
B. Datenverarbeitung
C. Kompression.
D. Alle oben genannten
12: Was sind die Arten von neuronalen Netzwerken?
A. Neurales Netz. Vorwärtsnetzwerk
B. Radiale Basisfunktionen (RBF) Neurales Netzwerk
C. Wiederkehrendes neuronales Netzwerk
D. Alle oben genannten
13: Welche der folgenden Optionen ist nicht der Nachteil des wiederkehrenden neuronalen Netzwerks?
A. Das Training eines RNN ist eine sehr herausfordernde Aufgabe
B. Eingänge jeder Länge können in diesem Modell verarbeitet werden.
C. Explodierender und Gradienten verschwinden ist in diesem Modell üblich.
D. Es kann nicht sehr lange Sequenzen verarbeiten, wenn "Tanh" oder "Relu" als Aktivierungsfunktion verwendet wird
14: Neuronale Netze bestehen aus künstlichen Neuronen, die dem biologischen Modell von Neuronen ähneln.
A. WAHR
B. FALSCH
15: In welcher Art von neuronalem Netzwerk werden die Daten basierend auf der Entfernung von einem Mittelpunkt gruppiert?
A. Faltung Neurales Netzwerk
B. Wiederkehrendes neuronales Netzwerk
C. Modulares neuronales Netzwerk
D. Radiale Basisfunktionen Neurales Netzwerk
16: Das modulare neuronale Netzwerk (MNN) ist ein neuronales Netzwerk, das .......... Hauptzweige hat.
A. 2
B. 4
C. 6
D. 8
17: Künstliche neuronale Netzwerke sind die biologisch inspirierten Simulationen, die auf dem Computer durchgeführt werden, um bestimmte bestimmte Aufgaben wie möglich auszuführen
A. Clustering
B. Einstufung
C. Mustererkennung
D. Alle oben genannten
18: Welche der folgenden neuronalen Netzwerkarchitekturen, die für die Mustererkennung verwendet werden?
A. Mehrschichtiger Perceptron
B. Kohonen Som
C. Radiale Basisfunktionsnetzwerk
D. Alle oben genannten
19: Was sind die Vorteile neuronaler Netzwerke?
A. Es kann ohne Probleme durchgeführt werden
B. Es kann in jeder Anwendung implementiert werden.
C. Ein neuronales Netzwerk lernt und Neuprogrammierung ist nicht erforderlich
D. Alle oben genannten
20: ......... Arten von Methoden werden zur Implementierung von Hardware für neuronale Netze verwendet.
A. 2
B. 3
C. 4
D. 5
21: A _____ misst die Zeit, die ein Paket benötigt, um eine bestimmte Anzahl von Transaktionen zu verarbeiten.
A. Benchmark
B. Parameter
C. Middleware
22: Was sind einige der Felder, die die Debatte über die Intelligenz erstreckt?
A. Kognitionswissenschaft, Linguistik
B. Neurobiologie, Genetik
C. Kognitionswissenschaft
D. Genetik, Neurowissenschaften
E. Philosophie, Psychologie, Soziologie
23: Was versucht die Wissenschaft seit Jahrzehnten zu tun?
A. Die Lichtgeschwindigkeit brechen
B. Erstellen Sie eine neue Lebensform
C. Mimic Intelligence
D. Das Wetter ändern
E. Erstellen Sie eine Zeitmaschine
24: Wie werden KI -Systeme reagieren und (erscheinen) Vernunft über sich und die Welt um sie herum genannt?
A. Maschinelles Lernen
B. Superintelligenz
C. Künstliche allgemeine Intelligenz
D. Robotik
E. Künstliche Intelligenz
25: Was ist die Aufgabe, die Eingänge und Ausgaben eines Problems für einen Algorithmus anzuzeigen?
A. Datenanalyse
B. Debuggen
C. Maschinelles Lernen
D. Testen
26: Welche Schritte sind zwischen Buchstaben und Sprachkämpfen beteiligt?
A. Üben
B. Phonetik
C. Mehrere
D. Phonologie
E. Wortschatz
27: Das Lesen des Lesens vollständiger Sätze ist ein Beispiel für die Art des Lernens?
A. Strukturiertes Lernen
B. Assoziatives Lernen
C. Tiefes Lernen
D. Tierlernen
E. Mittelmäßigkeit transzendieren
28: Was ist die Untersuchung von Daten?
A. Mathematik
B. Statistiken
C. Kognitionswissenschaft
D. Data Science
29: Was ist ein weiteres gemeinsames Missverständnis über die Datenwissenschaft?
A. Dass alle Datenwissenschaftler Experten für Statistik sind
B. Dass alle Datenwissenschaftler dieselben Tools und Techniken verwenden
C. Dass DL und DS die gleichen Dinge sind
D. Diese Datenwissenschaft ist eine aktuelle Entwicklung
E. Dass Datenwissenschaftler nur Zahlen knirschen können
30: Welcher Begriff bezieht sich normalerweise auf die explorative Analyse?
A. Data Mining
B. Datenanalyse
C. Prädiktive Analytics
D. Analytik
31: Wofür steht NN?
A. Netzwerkknoten
B. Neurales Netzwerk
C. Neuronetwork
D. Künstliche neuronale Netz
32: Was macht eine Schicht?
A. Fügt Daten die Struktur hinzu
B. Reduziert die Größe einer Datenstruktur
C. Hält die Ergebnisse einer Operation
D. Bietet eine Möglichkeit, Daten zu gruppieren
E. Definiert einen Vorgang, der einige Eingänge, einige Parameter annimmt und einen Satz von Ausgängen erzeugt
33: Was ist die Ebene, die einen Vektor empfängt und ihn mit einer Matrix multipliziert?
A. Faltungsschicht
B. Faltungsnetzwerk
C. Voll verbundene Schicht
D. Dichte Schicht
34: Wie heißt eine dichte Schicht?
A. Eine Flüssigkeit, die auf den Boden sinkt, weil sie mehr Masse als Wasser hat
B. Eine Schicht von Neuronen im Kortex eines Computers
C. Ist die Ebene, die einen Vektor (Eingabe) empfängt und diese mit einer Matrix (Parameter) multipliziert, wodurch ein weiterer Vektor (Ausgänge) erzeugt wird.
D. Eine Anordnung von Elementarpartikeln in einer Substanz.
E. Eine dünne Schicht zwischen zwei dichten Schichten.
35: Ein lineares System ist einfach zu was?
A. Analysieren
B. Vorhersagen
C. Lösen
D. Studie
E. Fehlerbehebung
36: Warum ist ein System nichtlinear?
A. Es ist unmöglich, das ursprüngliche Muster zu replizieren
B. Wenn seine Teile als komplexes Ganzes verflochten sind
C. Es ist schwierig, das Ergebnis einer Veränderung vorherzusagen
D. Wenn es Feedback zwischen den Teilen gibt
E. Wenn seine Komponenten nicht gut abgebildet sind
37: Was ist ein System, das nichtlinear ist?
A. Eine Gleichung
B. Ein Akkord
C. Ein komplexes Ganzes
D. Ein Computerprogramm
E. Ein Computer
38: Was bedeutet das Wort "Aktivierung"?
A. Verfahren
B. Funktion
C. Ereignis
D. Schaffung
E. Erweiterung
39: Kurz gesagt, was ist definiert als Relu (x) = max (0, x)?
A. Absoluter Wert
B. Lineare Einheit
C. Absolute max
D. Lineare Regression
E. Behobene lineare Einheit
40: Was ist eine Relu -Funktion definiert?
A. Relu (x) = max (0, x)
B. Relu (x) = -1
C. Relu (x) = 0
D. Relu (x) = 1 - x
41: Was ist der Zweck von Nichtlinearitäten?
A. Signale produzieren, die sich von den Standards unterscheiden
B. Energie erzeugen
C. Kleber, das ein mächtiges Modell aus gewöhnlichen Teilen erzeugt
D. Um eine Maschine vom überholenden Reichweite zu verhindern
E. Um einen Teil zu erstellen, der seine Form ändern kann
42: Wer hat das Perceptron -Modell erstellt?
A. Marvin Minsky
B. Frank Rosenblatt
C. Gordon Moore
43: In welchem Jahr wurde die Wahrnehmung erstellt?
A. 1946
B. 1960
C. 1958
D. 1959
E. 1949
44: Was ist eine Art Mathematik, die bei Eingaben vieler Perzeptrons gleichzeitig ausgeführt werden kann?
A. Dichte Schicht
B. Faltungsschicht
C. Voll verbundene Schicht
45: Wie viele Schichten können erzeugt werden, indem eine dichte Schicht in eine andere füttert?
A. Vier
B. Zwei
C. Drei
D. Sechs
46: Was definiert ein Modell als Operation?
A. Statistiken
B. Matrixoperationen
C. Gewichte
D. Bedeutet
E. Maße
47: Welcher Begriff beschreibt den tatsächlichen Lernprozess selbst?
A. Lernen
B. Ausbildung
C. Ausbildung
48: Was ist eine Funktion, die die "Falschheit" eines Modells misst?
A. Fit
B. Verlust
C. Genauigkeit
49: Was zeigt "∇l" an?
A. Eine komplexe Funktion einer realen Variablen
B. Wie sich der Verlust ändert, wenn θ ändert
C. Die Ableitung der Verlustfunktion
D. Ein Vektorfeld auf r
E. Der Gradient der Verlustfunktion
50: Wofür trainieren wir normalerweise unser Modell?
A. Hunderte bis Tausende von Epochen
B. Tausende bis Zehntausende von Epochen
C. Weniger als 10 Epochen
D. Zehn bis Hunderte von Epochen
51: Wie lange dauern Epochen normalerweise?
A. Tausende bis Millionen
B. Zehn bis Hunderte
C. Hunderte bis Tausende
52: Die vollständige Version von Backpropagation hat die zusätzliche Komplexität, dass jede Schicht ihre eigene was hat?
A. Ausgabe
B. Aktivierungsfunktion
C. Fehler
D. Gradient
53: Wie viel Prozent der Zeit benutzen die Leute Adam?
A. 25%
B. 50%
C. 95%
54: Welche 95% der Fälle wird von Menschen verwendet?
A. Vorabend
B. Wir
C. Adam
D. ICH
E. Erde
55: Die Lernrate ist oft ein Parameter des Washington?
A. Modell
B. Algorithmus
C. Optimierer
D. Methode
56: Wie heißt der Parameter, mit dem die Rate angepasst wird, mit der der Algorithmus während des Trainings Gewichte aktualisiert?
A. Schwung
B. Genauigkeit
C. Voreingenommenheit
D. Lernrate
E. Gewichtsverfall
57: Wie viele Beispiele können in sechzehn Chargen von 64 Elementen unterteilt werden?
A. Tausend
B. Hundert
C. Zehntausend
D. Zehn
E. Sechzehntausend
58: In was teilen Chargen unsere Beispiele?
A. Sechzehn
B. Vier
C. Zehn
D. Acht
59: Was ist eine Art neuronaler Netzwerk, das viele verschiedene Namen enthält?
A. Faltung neuronale Netze
B. Lange Kurzzeit-Speicher-Netzwerke
C. Eingeschränkte Boltzmann -Maschinen
D. Wiederkehrende neuronale Netzwerke
E. Rekursive neuronale Netzwerke
60: Was ist ein weiterer Begriff für Faltungsnetzwerke?
A. Faltungskerne
B. Neuronale Netze
C. Faltungsnetzwerke
D. Faltungsschicht
E. Konvolutionen
61: Welchen Begriff haben wir noch nicht einmal diskutiert?
A. Funktion
B. Verlustfunktion
C. Quelle
D. Optimierung
E. Waschbecken
62: Zu welcher Zeit nimmt ein Netzwerk den absorbierenden Zustand ab?
A. Zufällige Zeit
B. Große Zeit
C. Sofortig
D. Nachdem das Netzwerk erstellt wurde
E. Endzeit
63: Worauf reagieren Neuronen?
A. Deaktivieren
B. Anregen
C. Aktivieren Sie
D. Stimulieren
E. Schützen
64: Wie aktiviert man ein Neuron?
A. Ein Neuron zu verursachen
B. Eine Entscheidung treffen
C. Ein Neuron zu reagieren
D. Erhöhen Sie die Aktivität eines Neurons
E. Eine Nachricht senden
65: Wie hoch ist das elektrische Potenzial, das in einem Neuron ankommt?
A. Der Gesamtbetrag
B. Wechselstrom
C. Die durchschnittliche Menge
D. Der Nettobetrag
E. Gleichstrom
66: Wie werden adaptive Koeffizienten genannt?
A. Ein numerischer Wert, der beschreibt, wie gut eine Maschine von einem Beispiel zum anderen verallgemeinern kann
B. Eine Art von Filter, die zur Verbesserung der Bildqualität beiträgt
C. Ein Schwellenwert, der die Mindestanzahl von Beispielen definiert, die erforderlich sind, damit eine Klassifizierung genau ist
D. Eine mathematische Funktion, die dazu beiträgt, zukünftige Ereignisse vorherzusagen
E. Gewichte, die durch einen von einer Reihe von Lernregeln modifiziert werden können
67: Wie heißt eine Netzwerkart, die geschult werden kann, um eine bestimmte Aufgabe zu lösen?
A. Vollständiger Netzwerk
B. Adaptives Netzwerk
C. Faltungsnetzwerk
D. Wiederkehrendes neuronales Netzwerk
68: Was ist ein häufiges Beispiel für ein adaptives Netzwerk?
A. Klassifizieren von E -Mail -Nachrichten -Inhalten in Kategorien
B. Erkennen betrügerischer Aktivitäten auf einem Webserver
C. Daten in sich gegenseitig exklusive Gruppen klassifizieren
D. Visuelle Muster in zwei oder mehr Klassen trennen
E. Änderungen in einem Netzwerk im Laufe der Zeit erkennen
69: Was ist die Art der Verbindung von Neuronen, um ein bestimmtes neuronales Netzwerk herzustellen?
A. Funktion
B. Übertragung
C. Synapse
D. Verbindung
E. Die Architektur
70: Was bedeutet die Wortarchitektur?
A. Ein Plan oder ein Modell zur Organisation der Elemente eines Kunstwerks
B. Die Kunst des Entwerfens und Konstruktionsgebäudes
C. Die Studie oder Anwendung der Struktur der Dinge
D. Die Art der Verbindung von Neuronen, um ein spezifisches neuronales Netzwerk zu machen
71: Was ist ein Netzwerk, das eine bestimmte Ausgabe für eine bestimmte Eingabe angibt?
A. Assoziatives Netzwerk
B. Kongruentes Netzwerk
C. Community -Netzwerk
D. Encoder-Decoder-Netzwerk
E. Soziales Netzwerk
72: Was ist eine Eigenschaft von assoziativen Netzwerken?
A. Fähigkeit, den kürzesten Weg zwischen zwei beliebigen Punkten zu finden
B. Fähigkeit, verschiedene Eingänge mit unterschiedlichen Ausgängen zu assoziieren
C. Fähigkeit, mehrere Eingänge als einzelne Ausgabe darzustellen
D. Fähigkeit, die Eingabe in die Ausgabe zuzuordnen
E. Eine, die eine bestimmte Ausgabe für einen bestimmten Eingang gibt
73: Was ist ein mögliches Ergebnis der Ausgabe eines assoziativen Netzwerks für eine bestimmte Eingabe?
A. Eine zufällige Ausgabe
B. Ein Satz aller Ausgänge
C. Eine bestimmte Ausgabe
D. Keine Leistung
E. Eine leere Liste
74: Welche Art von Neurokomputern konzentriert sich nicht vollständig auf einen Teil eines Eingangs?
A. Prototyp -Computer
B. Prozedural
C. Aufmerksamkeit
D. Neuronale Netze
E. Autonom
75: Was kann einen Teil einer Eingabe verarbeiten?
A. Verarbeitung natürlicher Sprache
B. Generative kontroverse Netzwerke
C. Ein Computer mit einem Scanner
D. Mechanische Arme
E. Aufmerksamkeitsneurokomputer
76: Was bietet ein Netzwerk die Fertigstellung?
A. Fähigkeit, Daten zu teilen
B. Fähigkeit, Ressourcen zu teilen
C. Lautes Eingangsmuster
D. Fehlerhafte Kommunikation
E. Redundante Ressourcen
77: Was ist der Prozess, mit dem der Fehler zwischen Ausgang und gewünschter Ausgabe durch ein Feedforward -Netz zurückgeführt werden kann, um die Aktualisierung von Gewichten auf versteckten Neuronen zu ermöglichen?
A. Fehlerverbindungsausbreitung
B. Gewichtsaktualisierung
C. Ausbreitung von Rückstufen
D. Gewichtsanpassung
E. Fehler Korrektur
78: Welche Art von Fehler könnte über das Netzwerk verbreitet werden?
A. Rundfunkfehler
B. Konsensfehler
C. Datenverlustfehler
D. Vorwärtsgericht
E. Rückstufe
79: Eine Bias -Linie ist ein Begriff, der was zulässt?
A. Identifizierung der Neuronantwort
B. Identifizierung der Neuronschwelle
C. Bestimmung der Position eines Neurons
D. Identifizierung des Neuronortes
E. Bestimmung des Neuronaktivierungsniveaus
80: Welche Linie ermöglicht die Identifizierung des Neuronschwellenwerts als Gewicht eines speziellen konstanten Eingangs?
A. Ausgangslinie
B. Neuroneingangslinie
C. Vorspannungslinie
D. Eingangslinie
E. Sensibilisierungslinie
81: Worauf reagiert ein binäres Entscheidungsneuron?
A. Sein Eingangssignal
B. Die Stärke seines Eingangssignals
C. Seine Gesamtaktivität
D. Der Unterschied zwischen Eingang und Ausgang
E. Der Durchschnitt seiner Eingabe und Ausgabe
82: Was ist die Ausgabe eines Schwellenwerts, wenn es aktiv ist?
A. 1
B. 0
C. 0,5
D. -1
83: Was weist ein Binärausgang eines Schwellenwerts von Neuron an?
A. Das Neuron wird durch eine bestimmte Frequenz stimuliert
B. Entweder 0 (inaktiv) oder 1 (aktiv)
C. Ob ein bestimmtes Neuron schießt oder nicht
D. Ob ein bestimmter Reiz verarbeitet wird oder nicht
E. Das Neuron ist
84: Wenn die Ausgabe eines Neurons aktiv ist, wie hoch ist der Wert eines bipolaren Vektors, wenn sich das Neuron nicht in einer Schaltung befindet?
A. 0
B. + 1
C. -1
85: Wenn ein Neuron einen bipolaren Vektor hat, was bedeutet es, dann?
A. Es kann entweder eine +1 oder ein -1 abfeuern
B. Das Neuron schießt sowohl positive als auch negative Signale ab
C. Entweder -1 (inaktiv) oder + 1 (aktiv)
D. Es kann entweder auf +1 oder -1 abfeuern
E. Das Neuron feuert nur ein Signal ab
86: Was ist der Algorithmus, mit dem die Wahrscheinlichkeitsverteilung auf einem Satz von Eingängen mittels Gewichtsänderungen unter Verwendung verrauschter Reaktionen gelernt wird?
A. Gradientenabstieg
B. Boltzmann Machine
C. Maximaler Entropieschätzer
D. Vektormaschine unterstützen
E. Bayes'sche Inferenz
87: Was ist eine "Boltzmann -Maschine" ein Algorithmus zum Lernen?
A. Die Wahrscheinlichkeitsverteilung auf einem Satz von
B. Ein Computerprogramm, das den Wert einer zufälligen Variablen vorhersagt
C. Eine Maschine, die die Wahrscheinlichkeit von Ergebnissen aus einem Satz von berechnet
D. Ein Lernalgorithmus, der die Boltzmann -Verteilung verwendet
88: Was ist ein Beispiel für ein neuronales Netz, das geschult werden kann, um Ziffern oder Buchstaben zu lernen?
A. Texterkennung
B. Satzerkennung
C. Spracherkennung
D. Charaktererkennung
E. Bilderkennung
89: Wie heißt es beim Training der Neuronen in einer bestimmten Reihenfolge?
A. Wiederholtes Lernen
B. Prozedurales Lernen
C. Wettbewerbslernen
D. Assoziatives Lernen
90: Zu einem Eingang zu lernen bedeutet, die Eingabe von welchem Neuron zu erhöhen?
A. Neuronen im somatosensorischen Kortex
B. Neuronen im Frontallappen
C. Neuronen, die am häufigsten feuern
D. Am aktivsten
91: Wie heißt der Parameter, der verwendet wird, um einer Eingabe, die von einem anderen stammt, mehr oder weniger wichtig zu machen?
A. Eingangsgewicht
B. Ausgangsgewicht
C. Verbindungsschwelle
D. Verbindungsgewicht
92: Was ist die Regel, in der Gewichte proportional zur Differenz zwischen der tatsächlichen Ausgabe und der gewünschten Ausgabe geändert werden?
A. Gesetz des abnehmenden Ertrags
B. Delta -Regel
C. Quadratische Regel
D. Lineare Regel
E. Cobb-Douglas-Regel
93: Welcher Prozess ermöglicht eine Zunahme der Oberfläche eines Neurons?
A. Dendriten
B. Neuronen
C. Synapsen
94: Was ist die Speicherung von Informationen in einem neuronalen Netzwerk in einer Weise, die von der Verteilung der Verbindungsgewichte im Internet abhängt?
A. Verteilter Speicher
B. Zentralisierte Lagerung
C. Lokaler Speicher
95: Worauf hängt die Speicherung von Informationen in neuronalen Netzwerken ab?
A. Anzahl der Neuronen im Netz
B. Verteilung der Verbindungsgewichte über das Netz
C. Art der Neuronen im Netz
D. Anzahl der Schichten im Netzwerk
E. Anzahl der Trainingsdatenpunkte
96: Was ist ein neuronaler Netzstaat?
A. Die numerische Zuordnung einer Menge, die die Stabilität eines Neuronalen angibt
B. Das Ergebnis eines Algorithmus für künstliche Intelligenz
C. Das Aktivierungsniveau einer neuronalen Netzeinheit
D. Die Summe der Gesamtgewichte aller Neuronen in einem neuronalen Netz
E. Die Ausgabe eines neuronalen Netzes
97: Was bedeutet "die numerische Zuordnung einer Menge, die die Stabilität eines neuronalen Netzzustands anzeigt"?
A. Gradientenabstieg
B. Fehlergradient
C. Energiefunktion
D. Fehlerfunktion
98: Wie heißt die Fehleroberfläche?
A. Die Oberfläche im Raum von Neuronen
B. Die Oberfläche im Raum der Aktivierungsfunktionen
C. Die Oberfläche im Raum von Gradientenfehlern
D. Die Oberfläche im Raum der Verbindungsgewichte
E. Die Oberfläche im Bereich Fehlerschätzungen
99: Was ist die Fehleroberfläche im Bereich der Verbindungsgewichte?
A. Die Fehlerfunktion
B. Eine Kurve
C. Die Empfindlichkeitsfläche
D. Eine Reihe von Punkten
E. Die Oberfläche
100: Welche Art von Gewicht wird zu exzitatorischen Inputs hinzugefügt, damit die summierte Aktivität des Neurons zunimmt?
A. Es wird kein Gewicht hinzugefügt
B. Negativ
C. Positiv
List of Multiple-Choice-Fragen...
Available in:
Neural Networks MCQs
Множественный выбор вопросов о нейронных сетях
Preguntas de opción múltiple sobre Redes Neuronales
ニューラルネットワークの多肢選択問題
Domande a risposta multipla sulle reti neurali
Questions à choix multiples sur les réseaux neuronaux
Questões de Múltipla Escolha sobre Redes Neurais
Multiple-Choice-Fragen zu Neuronalen Netzwerken
神经网络多项选择题
أسئلة اختيارية متعددة حول الشبكات العصبية
Pertanyaan Pilihan Ganda Jaringan Saraf
Sinir Ağları Çoktan Seçmeli Sorular
