Gilieji neuroniniai tinklai

Kada neuroninis tinklas tampa giliuoju neuroniniu tinklu?

• Kai turėsite daugiau duomenų

• Kai spręsite klasifikavimo problemą

• Kai spręsite vaizdų apdorojimo problemą

• Kai pridėsite daugiau paslėptų sluoksnių ir padidinsite tinklo gylį

Kiek sluoksnių gali turėti gilusis neuroninis tinklas?

• 1

• ≥ 50

• 10

• neribotai daug

Ar giliojo mokymo algoritmams reikia paruošti analizuojamų duomenų požymių rinkinius?

• Taip

• Ne

Kas yra gradientinis nusileidimas?

• mašininio mokymosi modelio efektyvumų vertinimo funkcija

• neuroninio tinklo pagreitinimo metodas

• optimizavimo algoritmas skirtas kaštų funkcijos minimizavimui

• viena iš aktyvavimo funkcijų

Kokio tipo sluoksnių gali turėti konvoliucinis neuroninis tinklas (CNN)?

• Konvoliucinis sluoksnis

• Pilnai sujungtas sluoksnis (Dense Layer)

• Rekurentinis sluoksnis

• Telkimo (Pooling) sluoksnis

Giliojo mokymosi algoritmas skirtas nuoseklioms problemoms spręsti

• CNN (konvoliucinis neuroninis tinklas)

• ANN (dirbtinis neuroninis tinklas)

• DBN

• RNN (rekurentinis neuroninis tinklas)

Šis neuroninis tinklas atlieka tuos pačius veiksmus su kiekvienu sekos elementu, o jo išėjimo reikšmė priklauso nuo ankstesnių skaičiavimų:

• RNN (rekurentinis tinklas)

• CNN (konvoliucinis tinklas)

• LSTM

Kurio tipo neuroninis tinklas gali pasinaudoti erdvine duomenų koreliacija?

• RNN (rekurentinis neuroninis tinklas)

• CNN (konvoliucinis neuroninis tinklas)

• LSTM

Persimokymas įvyksta, kai modelis pernelyg prisiderina prie apmokymo duomenų, tačiau negali tinkamai atpažinti naujų duomenų

• Taip

• Ne

Išvardinkite galimus giliojo neuroninio tinklo persimokymo problemos sprendimus

• Softmax aktyvavimo funkcija

• Max pooling sluoksnis

• Išnykstantis gradientas

• Dropout sluoksnis