Domande a risposta multipla sulle reti neurali
Domande a risposta multipla sulle reti neurali
Benvenuto nella pagina di Domande a risposta multipla sulle reti neurali su MCQss.com. Qui troverai una varietà di domande a risposta multipla riguardanti i concetti delle reti neurali. Puoi selezionare una risposta per ciascuna domanda e verificare se è corretta.
Le reti neurali si riferiscono a modelli di reti che emulano il funzionamento del cervello umano. Vengono utilizzate per risolvere problemi come la classificazione, il riconoscimento di pattern, la previsione e altro ancora. Le reti neurali trovano applicazioni in diverse aree, tra cui computer vision, elaborazione del linguaggio naturale, sistemi di raccomandazione e altro ancora.
Se desideri apprendere di più sulle reti neurali, è importante comprendere concetti fondamentali come i neuroni artificiali, gli strati della rete, le funzioni di attivazione e l'apprendimento della rete. La conoscenza delle reti neurali è preziosa per professionisti nel campo dell'apprendimento automatico, dell'intelligenza artificiale e discipline correlate.
Le domande a risposta multipla gratuite sulle reti neurali su MCQss.com ti aiuteranno a approfondire le tue conoscenze e valutare le tue competenze in questo campo. Puoi utilizzarle per esercitarti, prepararti per interviste, esami e ampliare la tua conoscenza sulle reti neurali.
Quali sono i benefici di queste domande a risposta multipla sulle reti neurali? Ti aiuteranno a prepararti per interviste, esami e test futuri. Puoi anche utilizzare queste domande a risposta multipla gratuite per esercitarti e aumentare la tua conoscenza in questo campo.
1: Cos'è Adaline nelle reti neurali?
A. Elemento di linea adattivo
B. Elemento lineare adattivo
C. Elemento lineare automatico
D. Nessuno dei citati
2: Quale è vero per le reti neurali?
A. Ha un set di nodi e connessioni
B. Ogni nodo calcola l'ingresso ponderato
C. Il nodo potrebbe essere nello stato eccitato o non eccitato
D. Tutti i precedenti
3: Cosa sono i modelli nelle reti neurali?
A. Rappresentazione di reti neurali biologiche
B. Rappresentazione matematica della nostra comprensione
C. Sia il primo e il secondo
D. Nessuna delle precedenti
4: Quanti tipi di reti neurali artificiali?
A. 3
B. 2
C. 4
D. 5
5: Cosa significa RNN?
A. Rete neurale ricorrente
B. Rete neurale ricorrente
C. Rete neurale rimovibile
D. Nessuna delle precedenti
6: Qual è l'attività di auto-associazione nelle reti neurali?
A. Prevedere gli input futuri
B. Relativo all'attività di archiviazione e richiamo
C. Trova la relazione tra 2 input consecutivi
D. Tutti i precedenti
7: Cos'è la plasticità nelle reti neurali?
A. Il modello di input è diventato statico
B. Il modello di input continua a cambiare
C. Il modello di output continua a cambiare
D. Nessuna delle precedenti
8: La trasmissione del segnale in sinapsi è un?
A. Processo chimico
B. Processo fisico
C. Sia il processo chimico che fisico
D. Nessuna delle precedenti
9: Le operazioni nelle reti neurali possono eseguire che tipo di operazioni?
A. Parallelo
B. Seriale
C. Sia parallelo che seriale
D. Nessuna delle precedenti
10: Una rete neurale è una rete o un circuito di neuroni.
A. VERO
B. Falso
11: Le reti neurali possono essere utilizzate in diversi campi. ad esempio -
A. Classificazione
B. Elaborazione dati
C. Compressione.
D. Tutti i precedenti
12: Quali sono i tipi di reti neurali?
A. Rete neurale di feed-forward
B. Rete neurale delle funzioni di base radiale (RBF)
C. Rete neurale ricorrente
D. Tutti i precedenti
13: Quale delle seguenti opzioni non è lo svantaggio della rete neurale ricorrente?
A. Formazione di un RNN è un compito piuttosto impegnativo
B. Gli input di qualsiasi lunghezza possono essere elaborati in questo modello.
C. L'esplosione e la spannatura del gradiente sono comuni in questo modello.
D. Non può elaborare sequenze molto lunghe se si utilizza "TANH" o "Relu" come funzione di attivazione
14: Le reti neurali sono costituite da neuroni artificiali simili al modello biologico dei neuroni.
A. VERO
B. Falso
15: In quale tipo di rete neurale, i dati sono raggruppati in base alla sua distanza da un punto centrale?
A. Rete neurale convolutiva
B. Rete neurale ricorrente
C. Rete neurale modulare
D. Funzioni di base radiale Rete neurale
16: La rete neurale modulare (MNN) è una rete neurale che ha .......... rami principali.
A. 2
B. 4
C. 6
D. 8
17: Le reti neurali artificiali sono le simulazioni di ispirazione biologicamente eseguite sul computer per svolgere determinate attività specifiche come
A. Clustering
B. Classificazione
C. Riconoscimento del modello
D. Tutti i precedenti
18: Quale delle seguenti architetture di rete neurale utilizzate per il riconoscimento dei pattern?
A. Perceptron multistrato
B. Kohonen Som
C. Rete di funzione di base radiale
D. Tutti i precedenti
19: Quali sono i vantaggi delle reti neurali?
A. Può essere eseguito senza alcun problema
B. Può essere implementato in qualsiasi applicazione.
C. Una rete neurale impara e la riprogrammazione non è necessaria
D. Tutti i precedenti
20: ......... i tipi di metodi vengono utilizzati per l'implementazione di hardware per reti neurali.
A. 2
B. 3
C. 4
D. 5
21: A _____ misura il tempo che un pacchetto impiega per elaborare un certo numero di transazioni.
A. Segno di riferimento
B. Parametro
C. Middleware
22: Quali sono alcuni dei campi che il dibattito sull'intelligence spazia?
A. Scienza cognitiva, linguistica
B. Neurobiologia, genetica
C. Scienza cognitiva
D. Genetica, neuroscienza
E. Filosofia, psicologia, sociologia
23: Cosa ha cercato di fare la scienza per decenni?
A. Rompere la velocità della luce
B. Crea una nuova forma di vita
C. Imitare l'intelligenza
D. Cambiare il tempo
E. Crea una macchina del tempo
24: Quali sono i sistemi di intelligenza artificiale che reagiscono e (sembrano) motivi su se stessi e il mondo che li circonda?
A. Apprendimento automatico
B. Superintelligenza
C. Intelligenza generale artificiale
D. Robotica
E. Intelligenza artificiale
25: Qual è il compito di mostrare gli input e le uscite di un problema a un algoritmo?
A. Analisi dei dati
B. Debug
C. Apprendimento automatico
D. Test
26: Quali passi sono coinvolti tra lettere e fluidità?
A. Pratica
B. Fonetica
C. Parecchi
D. Fonologia
E. Vocabolario
27: Imparare a leggere frasi complete è un esempio di che tipo di apprendimento?
A. Apprendimento strutturato
B. Apprendimento associativo
C. Apprendimento approfondito
D. Apprendimento degli animali
E. Trascendere la mediocrità
28: Qual è lo studio dei dati?
A. Matematica
B. Statistiche
C. Scienza cognitiva
D. Data Science
29: Qual è un altro malinteso comune sulla scienza dei dati?
A. Che tutti i dati scienziati sono esperti in statistica
B. Che tutti i data scientist usano gli stessi strumenti e tecniche
C. Che dl e ds sono le stesse cose
D. Che la scienza dei dati è uno sviluppo recente
E. Che i data scientist sono in grado di scricchiolare i numeri solo
30: Quale termine si riferisce di solito all'analisi esplorativa?
A. Estrazione dei dati
B. Analisi dei dati
C. Analisi predittiva
D. Analisi
31: Cosa significa NN?
A. Nodo di rete
B. Rete neurale
C. Neuro-network
D. Rete neurale artificiale
32: Cosa fa uno strato?
A. Aggiunge la struttura ai dati
B. Riduce la dimensione di una struttura di dati
C. Contiene i risultati di un'operazione
D. Fornisce un modo per raggruppare i dati
E. Definisce un'operazione che prende alcuni input, alcuni parametri e produce un set di output
33: Qual è il livello che riceve un vettore e lo moltiplica per una matrice?
A. Strato convoluzionale
B. Rete neurale convoluzionale
C. Livello completamente connesso
D. Strato denso
34: Come si chiama lo strato denso?
A. Un liquido che affonda sul fondo perché ha più massa dell'acqua
B. Uno strato di neuroni nella corteccia di un computer
C. È il livello che riceve un vettore (input) e lo moltiplica per una matrice (parametri), producendo un altro vettore (output).
D. Un assemblaggio di particelle elementari in una sostanza.
E. Un sottile strato inserito tra due strati più densi.
35: Un sistema lineare è facile da cosa?
A. Analizzare
B. Prevedere
C. Risolvere
D. Studio
E. Risoluzione dei problemi
36: Perché un sistema non lineare?
A. È impossibile replicare il modello originale
B. Quando le sue parti sono intrecciate come un intero complesso
C. È difficile prevedere il risultato di un cambiamento
D. Quando c'è un feedback tra le parti
E. Quando i suoi componenti non sono ben abbinati
37: Cos'è un sistema che non è lineare?
A. Un'equazione
B. Un accordo
C. Un intero complesso
D. Un programma per computer
E. Un computer
38: Cosa significa la parola "attivazione"?
A. Processi
B. Funzione
C. Evento
D. Creazione
E. Aumento
39: A corto di ciò che è definito come Relu (x) = max (0, x)?
A. Valore assoluto
B. Unità lineare
C. Max assoluto
D. Regressione lineare
E. Unità lineare rettificata
40: Qual è una funzione Relu definita come?
A. RelU (x) = max (0, x)
B. Relu (x) = -1
C. Relu (x) = 0
D. Relu (x) = 1 - x
41: Qual è lo scopo delle non linearità?
A. Per produrre segnali diversi da quelli standard
B. Per generare energia
C. Colla che crea un modello potente dalle parti ordinarie
D. Per impedire a una macchina di essere eccessiva
E. Per fare una parte che possa cambiare la sua forma
42: Chi ha creato il modello perceptron?
A. Marvin Minsky
B. Frank Rosenblatt
C. Gordon Moore
43: In che anno è stato creato il percetron?
A. 1946
B. 1960
C. 1958
D. 1959
E. 1949
44: Qual è un tipo di matematica che può essere eseguito sull'input di molti percetroni contemporaneamente?
A. Strato denso
B. Strato convoluzionale
C. Livello completamente connesso
45: Quanti livelli possono essere creati alimentando uno strato denso in un altro?
A. quattro
B. Due
C. Tre
D. Sei
46: Cosa definisce un modello come operazione?
A. Statistiche
B. Operazioni a matrice
C. Pesi
D. Significa
E. Dimensioni
47: Quale termine descrive l'effettivo processo di apprendimento stesso?
A. Apprendimento
B. Formazione scolastica
C. Formazione
48: Qual è una funzione che misura la "errore" di un modello?
A. Adatto
B. Perdita
C. Precisione
49: Cosa indica "∇l"?
A. Una funzione complessa di una vera variabile
B. Come la perdita cambia quando θ cambia
C. Il derivato della funzione di perdita
D. Un campo vettoriale su R
E. Il gradiente della funzione di perdita
50: Per cosa ti alleniamo in genere il nostro modello?
A. Centinaia a migliaia di epoche
B. Migliaia a decine di migliaia di epoche
C. Meno di 10 epoche
D. Decine a centinaia di epoche
51: Quanto durano le epoche in genere?
A. Migliaia a milioni
B. Decine a centinaia
C. Centinaia a migliaia
52: La versione completa del backpropagation ha la complessità aggiunta che ogni livello ha il suo cosa?
A. Produzione
B. Funzione di attivazione
C. Errore
D. Gradiente
53: Quale percentuale del tempo le persone usano Adam?
A. 25%
B. 50%
C. 95%
54: Quale 95% delle volte viene utilizzato dalle persone?
A. Vigilia
B. Noi
C. Adamo
D. IO
E. Terra
55: Il tasso di apprendimento è spesso un parametro di cosa?
A. Modello
B. Algoritmo
C. Ottimizzatore
D. Metodo
56: Qual è il nome del parametro utilizzato per regolare la velocità con cui l'algoritmo aggiorna i pesi durante l'allenamento?
A. Quantità di moto
B. Precisione
C. Pregiudizio
D. Tasso di apprendimento
E. Decadimento del peso
57: Quanti esempi possono essere divisi in sedici lotti di 64 elementi?
A. Mille
B. Centinaio
C. Dieci mila
D. Dieci
E. Sedicimila
58: In cosa si dividono i lotti?
A. Sedici
B. quattro
C. Dieci
D. Otto
59: Qual è un tipo di rete neurale che ha molti nomi diversi?
A. Reti neurali convoluzionali
B. Reti di memoria a breve termine a breve termine
C. Macchine Boltzmann limitate
D. Reti neurali ricorrenti
E. Reti neurali ricorsive
60: Qual è un altro termine per le reti neurali convoluzionali?
A. Kernel convoluzionali
B. Reti neurali
C. Reti neurali convoluzionali
D. Strato convoluzionale
E. Convoluzioni
61: Di che termine non abbiamo nemmeno discusso?
A. Funzione
B. Funzione di perdita
C. Fonte
D. Ottimizzazione
E. Lavello
62: In che momento una rete assorbe lo stato assorbente?
A. Tempo casuale
B. Grande tempo
C. Istantaneo
D. Dopo aver creato la rete
E. Tempo scaduto
63: A cosa rispondono i neuroni?
A. Disattivare
B. Eccitare
C. Attiva
D. Stimolare
E. Proteggere
64: Come si attiva un neurone?
A. Per far sparare un neurone
B. Prendere una decisione
C. Per far rispondere a un neurone
D. Per aumentare l'attività di un neurone
E. Per inviare un messaggio
65: Qual è la quantità di potenziale elettrico che arriva a un neurone?
A. L'ammontare totale
B. Corrente alternata
C. L'importo medio
D. L'importo netto
E. Corrente continua
66: Come si chiamano i coefficienti adattivi?
A. Un valore numerico che descrive quanto bene una macchina può generalizzare da un esempio a un altro
B. Un tipo di filtro che aiuta a migliorare la qualità dell'immagine
C. Una soglia che definisce il numero minimo di esempi necessari affinché una classificazione sia accurata
D. Una funzione matematica che aiuta a prevedere eventi futuri
E. Pesi che possono essere modificati da una di una gamma di regole di lettere
67: Qual è il nome di un tipo di rete che può essere addestrato per risolvere un determinato compito?
A. Rete completamente connessa
B. Rete adattiva
C. Rete convoluzionale
D. Rete neurale ricorrente
68: Qual è un esempio comune di una rete adattiva?
A. Classificare il contenuto del messaggio di posta elettronica in categorie
B. Rilevare attività fraudolente su un server Web
C. Classificare i dati in gruppi reciprocamente esclusivi
D. Separare i modelli visivi in due o più classi
E. Rilevare le modifiche in una rete nel tempo
69: Qual è il modo di connessione dei neuroni per creare una rete neurale specifica?
A. Funzione
B. Trasmissione
C. Sinapsi
D. Connessione
E. Architettura
70: Cosa significa la parola architettura?
A. Un piano o un modello per organizzare gli elementi di un'opera d'arte
B. L'arte di progettare e costruire edifici
C. Lo studio o l'applicazione della struttura delle cose
D. Il modo di connessione dei neuroni per creare una rete neurale specifica
71: Cos'è una rete che fornisce un certo output per un determinato input?
A. Rete associativa
B. Rete congruente
C. Rete comunitaria
D. Rete coder-decoder
E. Rete sociale
72: Cos'è una proprietà di reti associative?
A. Capacità di trovare il percorso più breve tra due punti
B. Capacità di associare input diversi a output diversi
C. Capacità di rappresentare più input come singolo output
D. Possibilità di mappare l'input sull'output
E. Uno che fornisce un certo output per un determinato input
73: Qual è un possibile risultato dell'output di una rete associativa per un determinato input?
A. Un output casuale
B. Un insieme di tutte le uscite
C. Un certo output
D. Nessun output
E. Un elenco vuoto
74: Che tipo di neurocomputer non si concentra del tutto su una parte di un input?
A. Computer prototipo
B. Procedurale
C. Reti neurali
D. Autonomo
75: Cosa può elaborare una parte di un input?
A. Elaborazione del linguaggio naturale
B. Reti contraddittorie generative
C. Un computer con uno scanner
D. Bracci meccanici
E. Neurocomputer attenzione
76: Cosa fornisce una rete il completamento?
A. Capacità di condividere i dati
B. Capacità di condividere risorse
C. Pattern di input rumoroso
D. Comunicazione difettosa
E. Risorse ridondanti
77: Qual è il processo di consentire l'errore tra output e l'output desiderato di essere riportato indietro attraverso una rete feedforward in modo da consentire l'aggiornamento dei pesi sui neuroni nascosti?
A. Propagazione del back di errore
B. Aggiornamento del peso
C. Propagazione di arretramento
D. Regolazione del peso
E. Correzione dell'errore
78: Che tipo di errore potrebbe essere propagato attraverso la rete?
A. Errore di trasmissione
B. Errore di consenso
C. Errore per la perdita di dati
D. Forward-Error
E. Back-error
79: Una linea di pregiudizio è un termine che consente cosa?
A. Identificazione della risposta dei neuroni
B. Identificazione della soglia del neurone
C. Determinare la posizione di un neurone
D. Identificazione della posizione del neurone
E. Determinazione del livello di attivazione dei neuroni
80: Quale linea consente l'identificazione della soglia del neurone come peso su un input costante speciale?
A. Linea di output
B. Linea di input di neuroni
C. Linea di pregiudizio
D. Linea di input
E. Linea di sensibilizzazione
81: A cosa risponde un neurone di decisione binaria?
A. Il suo segnale di ingresso
B. La forza del suo segnale di ingresso
C. La sua attività totale
D. La differenza tra il suo input e l'output
E. La media del suo input e output
82: Qual è l'output di un neurone di soglia se è attivo?
A. 1
B. 0
C. 0,5
D. -1
83: Cosa indica l'output binario di una soglia di neurone?
A. Il neurone è stimolato da una certa frequenza
B. O 0 (inattivo) o 1 (attivo)
C. Se un determinato neurone sta sparando
D. Se un determinato stimolo viene elaborato
E. Il neurone è
84: Se l'output di un neurone è attivo, qual è il valore di un vettore bipolare se il neurone non si trova in un circuito?
A. 0
B. + 1
C. -1
85: Se un neurone ha un vettore bipolare, cosa significa?
A. Può sparare a +1 o a -1
B. Il neurone sta sparando segnali sia positivi che negativi
C. -1 (inattivo) o + 1 (attivo)
D. Può sparare a +1 o -1
E. Il neurone sta sparando a un solo segnale
86: Qual è l'algoritmo usato per apprendere la distribuzione di probabilità su un insieme di input mediante variazioni di peso usando le risposte rumorose?
A. Discesa gradiente
B. Macchina Boltzmann
C. Stimatore di entropia massima
D. Supportare la macchina vettoriale
E. Inferenza bayesiana
87: Cos'è una "macchina Boltzmann" un algoritmo per l'apprendimento?
A. La distribuzione di probabilità su un insieme di
B. Un programma per computer che prevede il valore di una variabile casuale
C. Una macchina che calcola la probabilità di risultati da una serie di
D. Un algoritmo di apprendimento che utilizza la distribuzione di Boltzmann
88: Qual è un esempio di una rete neurale che può essere addestrata per imparare cifre o lettere?
A. Riconoscimento del testo
B. Riconoscimento della frase
C. Riconoscimento vocale
D. Riconoscimento del personaggio
E. Riconoscimento dell'immagine
89: Come si chiama quando si allena i neuroni in un certo ordine?
A. Apprendimento ripetitivo
B. Apprendimento procedurale
C. Apprendimento competitivo
D. Apprendimento associativo
90: Imparare a un input significa aumentare l'input di quale neurone?
A. Neuroni nella corteccia somatosensoriale
B. Neuroni nel lobo frontale
C. Neuroni che sparano più spesso
D. Il piu 'attivo
91: Qual è il nome del parametro che viene utilizzato per dare più o meno importanza a un input proveniente da un altro?
A. Peso di ingresso
B. Peso di produzione
C. Soglia di connessione
D. Peso di connessione
92: Qual è la regola in cui i pesi vengono cambiati proporzionalmente alla differenza tra output effettivo e output desiderato?
A. Legge dei rendimenti in diminuzione
B. Regola delta
C. Regola quadratica
D. Regola lineare
E. Regola Cobb-Douglas
93: Quale processo consente un aumento della superficie di un neurone?
A. Dendrites
B. Neuroni
C. Sinapsi
94: Qual è l'archiviazione delle informazioni in una rete neurale in un modo che dipende dalla distribuzione dei pesi di connessione attraverso la rete?
A. Archiviazione distribuita
B. Archiviazione centralizzata
C. Memoria locale
95: Da cosa dipende dalle reti neurali nelle reti neurali?
A. Numero di neuroni in rete
B. Distribuzione dei pesi di connessione attraverso la rete
C. Tipo di neuroni in rete
D. Numero di livelli nella rete
E. Numero di punti dati di allenamento
96: Cos'è uno stato netto neurale?
A. L'assegnazione numerica di una quantità che indica la stabilità di un neurale
B. Il risultato di un algoritmo di intelligenza artificiale
C. Il livello di attivazione di un'unità netto neurale
D. La somma totale dei pesi di tutti i neuroni in una rete neurale
E. L'output di una rete neurale
97: Cosa significa "l'assegnazione numerica di una quantità che indica la stabilità di uno stato netto neurale"?
A. Discesa gradiente
B. Gradiente di errore
C. Funzione energetica
D. Funzione di errore
98: Come si chiama la superficie di errore?
A. La superficie nello spazio dei neuroni
B. La superficie nello spazio delle funzioni di attivazione
C. La superficie nello spazio degli errori del gradiente
D. La superficie nello spazio dei pesi di connessione
E. La superficie nello spazio degli errori stima
99: Nello spazio dei pesi di connessione, qual è la superficie di errore?
A. La funzione di errore
B. Una curva
C. La superficie di sensibilità
D. Un insieme di punti
E. La superficie
100: Che tipo di peso viene aggiunto agli input eccitatori in modo che l'attività sommata del neurone aumenti?
A. Non viene aggiunto alcun peso
B. Negativo
C. Positivo
List of Domande a risposta 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
