| engineerklub | Дата: Четверг, 03.07.2025, 08:06 | Сообщение # 1 |
 Генералиссимус
Группа: Администраторы
Сообщений: 33955
Статус: Offline
| Основы нейронных сетей. МФПУ "Синергия", МОИ, МТИ, МОСАП
Тип работы: Тесты
Сдано в учебном заведении: МТИ МосТех МосАП МФПУ Синергия
Описание:
1 Обучение с учителем характеризуется
2 Задача классификации – это задача
3 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:
4 Архитектура полносвязной нейронные сети основана на идее
5 Нейронные сети бывают следующих видов:
6 Функции активации в нейронных сетях:
7 При прямом проходе через Feed Forward Neural Network:
8 Отметьте верные высказывания о функциях активации:
9 Переобучение – это эффект, возникающий при
10 Лучший способ борьбы с переобучением:
11 Идея Momentum состоит в:
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 Все описанные в лекции алгоритмы обладают общим свойством. Каким?
15 Алгоритм Backpropagation:
16 Начальная инициализация весов нейросети:
17 Производная сигмоиды выражается через саму сигмоиду аналитически, как
19 Градиентные методы оптимизации
20 Нейронные сети, наиболее часто применяющиеся в CV – это
21 Выберете верное утверждение:
22 Градиентный бустинг - это:
23 Если мы предсказываем средние затраты на обслуживание машины, то максимальная скорость разгона машины – это
24 Если мы предсказываем среднюю стоимость машины в зависимости от ее класса, то класс представляет собой
25 Задача автоматического выделения похожих новостных статей без размеченной выборки – это задача
26 Задача автоматической идентификации марки машины по ее изображению – это задача
27 Задача понижения размерности признакового пространства – это задача
28 Задачу машинного обучения можно представить в виде последовательности выполнения действий по выбору оптимальной решающей функции f из многопараметрического семейства F. Выбор модели машинного обучения происходит на этапе:
29 Метод опорных векторов (Support Vectors Machine, SVM):
30 Процедура LearnID3 состоит в:
31 Решающие деревья обладают следующими свойствами:
32 Условия Каруша-Куна-Таккера применимы для решения:
33 Что такое машинный перевод?
34 Эмпирический риск вводится исходя из предположения, что
СКАЧАТЬ
|
| |
| |
