Questions à choix multiples sur les réseaux neuronaux
Questions à choix multiples sur les réseaux neuronaux
Bienvenue sur la page des questions à choix multiples sur les réseaux neuronaux sur MCQss.com. Vous y trouverez une variété de questions à choix multiples portant sur les concepts des réseaux neuronaux. Vous pouvez sélectionner une réponse pour chaque question et vérifier si elle est correcte.
Les réseaux neuronaux font référence à des modèles de réseaux qui émulent le fonctionnement du cerveau humain. Ils sont utilisés pour résoudre des problèmes tels que la classification, la reconnaissance de motifs, la prédiction, et bien plus encore. Les réseaux neuronaux trouvent des applications dans différents domaines tels que la vision par ordinateur, le traitement du langage naturel, les systèmes de recommandation, et bien d'autres.
Si vous souhaitez en savoir plus sur les réseaux neuronaux, il est important de comprendre des concepts fondamentaux tels que les neurones artificiels, les couches du réseau, les fonctions d'activation et l'apprentissage du réseau. La connaissance des réseaux neuronaux est précieuse pour les professionnels du domaine de l'apprentissage automatique, de l'intelligence artificielle et des disciplines connexes.
Les questions à choix multiples gratuites sur les réseaux neuronaux sur MCQss.com vous aideront à approfondir vos connaissances et à évaluer vos compétences dans ce domaine. Vous pouvez les utiliser pour vous entraîner, vous préparer à des entretiens, des examens et pour développer vos connaissances sur les réseaux neuronaux.
Quels sont les avantages de ces questions à choix multiples sur les réseaux neuronaux ? Elles vous aideront à vous préparer pour des entretiens, des examens et des tests à venir. Vous pouvez également utiliser ces questions à choix multiples gratuites pour vous entraîner et accroître vos connaissances dans ce domaine.
1: Qu'est-ce que l'adaline dans les réseaux de neurones?
A. Élément de ligne adaptative
B. Élément linéaire adaptatif
C. Élément linéaire automatique
D. Aucune des mentionnées
2: Ce qui est vrai pour les réseaux de neurones?
A. Il a un ensemble de nœuds et de connexions
B. Chaque nœud calcule son entrée pondérée
C. Le nœud pourrait être dans un état excité ou non excité
D. Tout ce qui précède
3: Que sont les modèles dans les réseaux de neurones?
A. Représentation des réseaux de neurones biologiques
B. Représentation mathématique de notre compréhension
C. First et Second
D. Aucune des réponses ci-dessus
4: Combien de types de réseaux de neurones artificiels?
A. 3
B. 2
C. 4
D. 5
5: Que signifie RNN?
A. Réseau neuronal récurrent
B. Réseau neuronal récurrent
C. Réseau neuronal amovible
D. Aucune des réponses ci-dessus
6: Quelle est la tâche d'association automatique dans les réseaux de neurones?
A. Prédire les futures entrées
B. Lié à la tâche de stockage et de rappel
C. Trouver une relation entre 2 entrées consécutives
D. Tout ce qui précède
7: Qu'est-ce que la plasticité dans les réseaux de neurones?
A. Le modèle d'entrée est devenu statique
B. Le modèle d'entrée continue de changer
C. Le modèle de sortie continue de changer
D. Aucune des réponses ci-dessus
8: La transmission du signal à la synapse est un?
A. Processus chimique
B. Processus physique
C. Processus chimique et physique
D. Aucune des réponses ci-dessus
9: Les opérations dans les réseaux de neurones peuvent effectuer quel type d'opérations?
A. Parallèle
B. En série
C. À la fois parallèle et en série
D. Aucune des réponses ci-dessus
10: Un réseau neuronal est un réseau ou un circuit de neurones.
A. Vrai
B. FAUX
11: Les réseaux de neurones peuvent être utilisés dans différents domaines. tel que -
A. Classification
B. Traitement de l'information
C. Compression.
D. Tout ce qui précède
12: Quels sont les types de réseaux de neurones?
A. Réseau neuronal de l'alimentation
B. Fonctions de base radiale (RBF) Réseau neuronal
C. Réseau neuronal récurrent
D. Tout ce qui précède
13: Laquelle des options suivantes n'est pas l'inconvénient du réseau neuronal récurrent?
A. La formation d'un RNN est une tâche assez difficile
B. Les entrées de toute longueur peuvent être traitées dans ce modèle.
C. L'explosion et la fuite de gradient sont courants dans ce modèle.
D. Il ne peut pas traiter de très longues séquences si vous utilisez «tanh» ou «relu» comme fonction d'activation
14: Les réseaux de neurones sont constitués de neurones artificiels similaires au modèle biologique des neurones.
A. Vrai
B. FAUX
15: Dans quel type de réseau neuronal, les données sont regroupées en fonction de sa distance par rapport à un point central?
A. Réseau neuronal de convolution
B. Réseau neuronal récurrent
C. Réseau neuronal modulaire
D. Fonctions de base radiale réseau neuronal
16: Le réseau neuronal modulaire (MNN) est un réseau neuronal qui a .......... les branches principales.
A. 2
B. 4
C. 6
D. 8
17: Les réseaux de neurones artificiels sont les simulations d'inspiration biologique effectuées sur l'ordinateur pour effectuer certaines tâches spécifiques comme
A. Regroupement
B. Classification
C. La reconnaissance de formes
D. Tout ce qui précède
18: Laquelle des architectures de réseau neuronal suivantes utilisées pour la reconnaissance des modèles?
A. Perceptron multicouche
B. Kohonen som
C. Réseau de fonctions de base radiale
D. Tout ce qui précède
19: Quels sont les avantages des réseaux de neurones?
A. Il peut être effectué sans aucun problème
B. Il peut être implémenté dans n'importe quelle application.
C. Un réseau neuronal apprend et la reprogrammation n'est pas nécessaire
D. Tout ce qui précède
20: ......... Les types de méthodes sont utilisés pour implémenter du matériel pour les réseaux de neurones.
A. 2
B. 3
C. 4
D. 5
21: Un _____ mesure le temps qu'un package prend pour traiter un certain nombre de transactions.
A. Référence
B. Paramètre
C. Middleware
22: Quels sont les domaines que le débat sur le renseignement s'étend?
A. Sciences cognitives, linguistique
B. Neurobiologie, génétique
C. Sciences cognitives
D. Génétique, neurosciences
E. Philosophie, psychologie, sociologie
23: Qu'est-ce que la science essaie de faire depuis des décennies?
A. Briser la vitesse de la lumière
B. Créer une nouvelle forme de vie
C. Intelligence imitée
D. Changer la météo
E. Créer une machine à remonter le temps
24: Quels sont les systèmes d'IA qui réagissent et (semblent) des raisons d'eux-mêmes et du monde qui les entoure?
A. Apprentissage automatique
B. Superintelligence
C. Intelligence générale artificielle
D. Robotique
E. Intelligence artificielle
25: Quelle est la tâche de montrer les entrées et les sorties d'un problème à un algorithme?
A. L'analyse des données
B. Débogage
C. Apprentissage automatique
D. Essai
26: Quelles étapes sont impliquées entre les lettres et la maîtrise?
A. Pratique
B. Phonétique
C. Plusieurs
D. Phonologie
E. Vocabulaire
27: Apprendre à lire les phrases complètes est un exemple de quel type d'apprentissage?
A. Apprentissage structuré
B. Apprentissage associatif
C. L'apprentissage en profondeur
D. Apprentissage animal
E. Transcendant la médiocrité
28: Quelle est l'étude des données?
A. Mathématiques
B. Statistiques
C. Sciences cognitives
D. Science des données
29: Quelle est une autre idée fausse commune sur la science des données?
A. Que tous les scientifiques des données sont des experts en statistiques
B. Que tous les scientifiques des données utilisent les mêmes outils et techniques
C. Que DL et DS sont les mêmes choses
D. Cette science des données est un développement récent
E. Que les scientifiques des données ne sont capables de croquer que des nombres
30: Quel terme fait généralement référence à l'analyse exploratoire?
A. Exploration de données
B. L'analyse des données
C. Analyses prédictives
D. Analytique
31: Que signifie NN?
A. Nœud de réseau
B. Réseau neuronal
C. Neuro-réseau
D. Réseau neuronal artificiel
32: Que fait une couche?
A. Ajoute de la structure aux données
B. Réduit la taille d'une structure de données
C. Tient les résultats d'une opération
D. Fournit un moyen de regrouper les données
E. Définit une opération qui prend certaines entrées, certains paramètres et produit un ensemble de sorties
33: Quelle est la couche qui reçoit un vecteur et le multiplie par une matrice?
A. Couche convolutionnelle
B. Réseau neuronal convolutionnel
C. Couche entièrement connectée
D. Couche dense
34: Comment s'appelle la couche dense?
A. Un liquide qui s'enfonce au fond car il a plus de masse que de l'eau
B. Une couche de neurones dans le cortex d'un ordinateur
C. Est la couche qui reçoit un vecteur (entrée) et le multiplie par une matrice (paramètres), produisant un autre vecteur (sorties).
D. Un assemblage de particules élémentaires dans une substance.
E. Une couche fine prise en sandwich entre deux couches de plus denses.
35: Un système linéaire est facile à quoi?
A. Analyser
B. Prédire
C. Résoudre
D. Étude
E. Dépanner
36: Pourquoi un système est-il non linéaire?
A. Il est impossible de reproduire le motif d'origine
B. Lorsque ses pièces sont entrelacées comme un entier complexe
C. Il est difficile de prédire le résultat d'un changement
D. Quand il y a des commentaires entre les pièces
E. Lorsque ses composants ne sont pas bien assortis
37: Qu'est-ce qu'un système non linéaire?
A. Une équation
B. Un accord
C. Un tout complexe
D. Un programme informatique
E. Un ordinateur
38: Que signifie le mot «activation»?
A. Processus
B. Fonction
C. Événement
D. Création
E. Renforcement
39: À court de ce qui est défini comme relu (x) = max (0, x)?
A. Valeur absolue
B. Unité linéaire
C. Max absolu
D. Régression linéaire
E. Unité linéaire rectifiée
40: Qu'est-ce qu'une fonction relu définie comme?
A. Relu (x) = max (0, x)
B. Relu (x) = -1
C. Relu (x) = 0
D. Relu (x) = 1 - x
41: Quel est le but des non-linéarités?
A. Pour produire des signaux différents des standard
B. Pour générer de l'énergie
C. Glue qui crée un modèle puissant à partir de parties ordinaires
D. Pour empêcher une machine de sur-en-dirant
E. Pour faire une partie qui peut changer sa forme
42: Qui a créé le modèle Perceptron?
A. Marvin Minsky
B. Frank Rosenblatt
C. Gordon Moore
43: En quelle année le Perceptron a-t-il été créé?
A. 1946
B. 1960
C. 1958
D. 1959
E. 1949
44: Qu'est-ce qu'un type de mathématiques qui peut être effectué sur la contribution de nombreuses perceptrons à la fois?
A. Couche dense
B. Couche convolutionnelle
C. Couche entièrement connectée
45: Combien de couches peuvent être créées en alimentant une couche dense dans une autre?
A. Quatre
B. Deux
C. Trois
D. Six
46: Que définit un modèle comme une opération?
A. Statistiques
B. Opérations matricielles
C. Poids
D. Moyens
E. Dimensions
47: Quel terme décrit le processus réel de l'apprentissage lui-même?
A. Apprentissage
B. Éducation
C. Entraînement
48: Quelle est une fonction qui mesure le «mal» d'un modèle?
A. Ajuster
B. Perte
C. Précision
49: Qu'indique "∇l"?
A. Une fonction complexe d'une variable réelle
B. Comment la perte change à mesure que θ change
C. Le dérivé de la fonction de perte
D. Un champ vectoriel sur r
E. Le gradient de la fonction de perte
50: À quoi formons-nous généralement notre modèle?
A. Des centaines à des milliers d'époches
B. Des milliers à des dizaines de milliers d'époches
C. Moins de 10 époques
D. Des dizaines à des centaines d'époches
51: Combien de temps durent généralement les époques?
A. Des milliers à des millions
B. Tens à centaines
C. Centaines à des milliers
52: La version complète de la rétropropagation a la complexité supplémentaire que chaque couche a son propre quoi?
A. Sortir
B. Fonction d'activation
C. Erreur
D. Pente
53: Quel pourcentage du temps les gens utilisent-ils Adam?
A. 25%
B. 50%
C. 95%
54: Quel 95% du temps est utilisé par les gens?
A. Veille
B. Nous
C. Adam
D. je
E. Terre
55: Le taux d'apprentissage est souvent un paramètre de quoi?
A. Modèle
B. Algorithme
C. Optimiseur
D. Méthode
56: Quel est le nom du paramètre utilisé pour ajuster la vitesse à laquelle l'algorithme met à jour les poids pendant la formation?
A. Élan
B. Précision
C. Biais
D. Taux d'apprentissage
E. Décomposition du poids
57: Combien d'exemples peuvent être divisés en seize lots de 64 éléments?
A. Mille
B. Cent
C. Dix mille
D. Dix
E. Seize mille
58: Dans quoi les lots divisent-ils nos exemples?
A. Seize
B. Quatre
C. Dix
D. Huit
59: Quel est un type de réseau de neurones qui a de nombreux noms différents?
A. Réseaux de neurones convolutionnels
B. Réseaux de mémoire à court terme
C. Machines Boltzmann restreintes
D. Réseaux de neurones récurrents
E. Réseaux de neurones récursifs
60: Quel est un autre terme pour les réseaux de neurones convolutionnels?
A. Grains convolutionnels
B. Les réseaux de neurones
C. Réseaux de neurones convolutionnels
D. Couche convolutionnelle
E. Convolutions
61: Quel terme n'avons-nous même pas discuté?
A. Fonction
B. Fonction de perte
C. Source
D. Optimisation
E. Couler
62: À quel moment un réseau absorbe-t-il l'état absorbant?
A. Temps aléatoire
B. Grand temps
C. Instantané
D. Une fois le réseau créé
E. Heure de fin
63: À quoi les neurones répondent-ils?
A. Désactiver
B. Exciter
C. Activer
D. Stimuler
E. Protéger
64: Comment activez-vous un neurone?
A. Pour faire tirer un neurone
B. Prendre une décision
C. Pour faire répondre à un neurone
D. Pour augmenter l'activité d'un neurone
E. Pour envoyer un message
65: Quelle est la quantité de potentiel électrique arrivant à un neurone?
A. Le montant total
B. Courant alternatif
C. Le montant moyen
D. Le montant net
E. Courant continu
66: Comment s'appellent les coefficients adaptatifs?
A. Une valeur numérique qui décrit la façon dont une machine peut généraliser d'un exemple à un autre
B. Un type de filtre qui aide à améliorer la qualité de l'image
C. Un seuil qui définit le nombre minimum d'exemples nécessaires pour qu'une classification soit exacte
D. Une fonction mathématique qui aide à prédire les événements futurs
E. Poids qui peuvent être modifiés par l'une d'une gamme de règles de l'appareil
67: Quel est le nom d'un type de réseau qui peut être formé pour résoudre une tâche donnée?
A. Réseau entièrement connecté
B. Réseau adaptatif
C. Réseau convolutionnel
D. Réseau neuronal récurrent
68: Quel est un exemple courant d'un réseau adaptatif?
A. Classifier le contenu des e-mails dans les catégories
B. Détecter une activité frauduleuse sur un serveur Web
C. Classifier les données en groupes mutuellement exclusifs
D. Séparer les modèles visuels en deux classes ou plus
E. Détecter les changements dans un réseau au fil du temps
69: Quel est le mode de connexion des neurones pour créer un réseau neuronal spécifique?
A. Fonction
B. Transmission
C. Synapse
D. Connexion
E. Architecture
70: Que signifie le mot architecture?
A. Un plan ou un modèle pour organiser les éléments d'une œuvre d'art
B. L'art de concevoir et de construire des bâtiments
C. L'étude ou l'application de la structure des choses
D. Le mode de connexion des neurones pour créer un réseau neuronal spécifique
71: Qu'est-ce qu'un réseau qui donne une certaine sortie pour une entrée donnée?
A. Réseau associatif
B. Réseau congruente
C. Réseau communautaire
D. Réseau d'encodeur
E. Réseau social
72: Qu'est-ce qu'une propriété des réseaux associatifs?
A. Capacité à trouver le chemin le plus court entre deux points
B. Capacité à associer différentes entrées à différentes sorties
C. Capacité à représenter plusieurs entrées en une seule sortie
D. Capacité à cartographier l'entrée sur la sortie
E. Celui qui donne une certaine sortie pour une entrée donnée
73: Quel est le résultat possible de la sortie d'un réseau associatif pour une entrée donnée?
A. Une sortie aléatoire
B. Un ensemble de toutes les sorties
C. Une certaine sortie
D. Aucune sortie
E. Une liste vide
74: Quels types de neuro-ordinateurs ne sont pas entièrement axés sur une partie d'une entrée?
A. Prototype d'ordinateurs
B. De procédure
C. Attention
D. Les réseaux de neurones
E. Autonome
75: Que peut traiter une partie d'une entrée?
A. Traitement du langage naturel
B. Réseaux adversaires génératifs
C. Un ordinateur avec un scanner
D. Bras mécaniques
E. Neuro-ordinateurs attentionnels
76: De quoi un réseau fournit-il l'achèvement?
A. Capacité à partager des données
B. Capacité à partager des ressources
C. Modèle d'entrée bruyant
D. Communication défectueuse
E. Ressources redondantes
77: Quel est le processus de permettre à l'erreur entre la sortie et la sortie souhaitée d'être réintégrée via un filet à action directe afin de permettre la mise à jour des poids sur les neurones cachés?
A. Propagation d'erreur
B. Mise à jour du poids
C. Propagation d'erreur arrière
D. Ajustement du poids
E. Correction des erreurs
78: Quel type d'erreur pourrait se propager via le réseau?
A. Erreur de diffusion
B. Erreur de consensus
C. Erreur de perte de données
D. Erreur vers l'avant
E. Back-error
79: Une ligne de biais est un terme qui permet quoi?
A. Identification de la réponse des neurones
B. Identification du seuil de neurone
C. Déterminer l'emplacement d'un neurone
D. Identification de l'emplacement des neurones
E. Détermination du niveau d'activation des neurones
80: Quelle ligne permet d'identifier le seuil de neurone comme poids sur une entrée constante spéciale?
A. Ligne de sortie
B. Ligne d'entrée de neurone
C. Ligne de biais
D. Ligne d'entrée
E. Ligne de sensibilisation
81: À quoi répond un neurone de décision binaire?
A. Son signal d'entrée
B. La force de son signal d'entrée
C. Son activité totale
D. La différence entre son entrée et sa sortie
E. La moyenne de son entrée et de sa sortie
82: Quelle est la sortie d'un neurone seuil si elle est active?
A. 1
B. 0
C. 0,5
D. -1
83: Qu'est-ce que l'indicateur binaire d'un neurone seuil indique?
A. Le neurone est stimulé par une certaine fréquence
B. Soit 0 (inactif) ou 1 (actif)
C. Qu'un certain neurone tire ou non
D. Qu'un certain stimulus soit traité ou non
E. Le neurone est
84: Si la sortie d'un neurone est active, quelle est la valeur d'un vecteur bipolaire si le neurone n'est pas dans un circuit?
A. 0
B. + 1
C. -1
85: Si un neurone a un vecteur bipolaire, qu'est-ce que cela signifie?
A. Il peut tirer un +1 ou un -1
B. Le neurone tire à la fois des signaux positifs et négatifs
C. Soit -1 (inactif) ou + 1 (actif)
D. Il peut tirer à +1 ou -1
E. Le neurone tire un seul signal
86: Quel est l'algorithme utilisé pour apprendre la distribution de probabilité sur un ensemble d'entrées au moyen de changements de poids en utilisant des réponses bruyantes?
A. Descente graduelle
B. Machine Boltzmann
C. Estimateur d'entropie maximale
D. Machine vectorielle de support
E. Inférence bayésienne
87: Qu'est-ce qu'une "machine Boltzmann" un algorithme pour l'apprentissage?
A. La distribution de probabilité sur un ensemble de
B. Un programme informatique qui prédit la valeur d'une variable aléatoire
C. Une machine qui calcule la probabilité de résultats à partir d'un ensemble de
D. Un algorithme d'apprentissage qui utilise la distribution de Boltzmann pour
88: Quel est un exemple d'un filet de neurones qui peut être formé pour apprendre des chiffres ou des lettres?
A. Reconnaissance de texte
B. Reconnaissance des phrases
C. Reconnaissance de la parole
D. Reconnaissance du personnage
E. Reconnaissance d'image
89: Comment s'appelle-t-il lors de la formation des neurones dans un certain ordre?
A. Apprentissage répétitif
B. Apprentissage procédural
C. Apprentissage compétitif
D. Apprentissage associatif
90: Apprendre à une entrée signifie augmenter l'apport de quel neurone?
A. Neurones dans le cortex somatosensoriel
B. Neurones dans le lobe frontal
C. Les neurones qui tirent le plus souvent
D. Le plus actif
91: Quel est le nom du paramètre utilisé pour donner plus ou moins d'importance pour une entrée provenant d'un autre?
A. Poids d'entrée
B. Poids de sortie
C. Seuil de connexion
D. Poids de connexion
92: Quelle est la règle où les poids sont modifiés proportionnellement à la différence entre la sortie réelle et la sortie souhaitée?
A. Loi des rendements décroissants
B. Delta Rule
C. Règle quadratique
D. Règle linéaire
E. Règle Cobb-Douglas
93: Quel processus permet une augmentation de la surface d'un neurone?
A. Dendrites
B. Neurones
C. Synapses
94: Qu'est-ce que le stockage des informations dans un réseau neuronal d'une manière qui dépend de la distribution des poids de connexion à travers le filet?
A. Stockage distribué
B. Stockage centralisé
C. Stockage local
95: Quelle est le stockage des informations dans les réseaux de neurones qui dépendent?
A. Nombre de neurones dans le net
B. Distribution des poids de connexion à travers le net
C. Type de neurones dans le filet
D. Nombre de couches dans le réseau
E. Nombre de points de données de formation
96: Qu'est-ce qu'un État neural neural?
A. L'attribution numérique d'une quantité indiquant la stabilité d'un neural
B. Le résultat d'un algorithme d'intelligence artificielle
C. Le niveau d'activation d'une unité neurale nette
D. La somme totale des poids de tous les neurones dans un filet neuronal
E. La sortie d'un filet neuronal
97: Qu'est-ce que "l'attribution numérique d'une quantité indiquant la stabilité d'un état neural net" signifie-t-il?
A. Descente graduelle
B. Gradient d'erreur
C. Fonction énergétique
D. Fonction d'erreur
98: Comment s'appelle la surface d'erreur?
A. La surface dans l'espace des neurones
B. La surface dans l'espace des fonctions d'activation
C. La surface dans l'espace des erreurs de dégradé
D. La surface dans l'espace des poids de connexion
E. La surface dans l'espace des estimations d'erreur
99: Dans l'espace des poids de connexion, quelle est la surface d'erreur?
A. La fonction d'erreur
B. Une courbe
C. La surface de sensibilité
D. Un ensemble de points
E. La surface
100: Quel type de poids est ajouté aux entrées excitantes afin que l'activité sommée du neurone augmente?
A. Aucun poids n'est ajouté
B. Négatif
C. Positif
List of Questions à choix mul...
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
