Deep Learning IF

Apa fungsi utama dari layer konvolusi dalam sebuah Convolutional Neural Network (CNN)?

• Memutuskan neuron mana yang akan diaktifkan
  

• Mengklasifikasikan gambar ke dalam kategori yang berbeda
  

• Menerapkan operasi konvolusi untuk mendeteksi fitur spasial
  

• Menyimpan memori dari data sekuensial
  

Komponen mana dari Recurrent Neural Network (RNN) yang memungkinkannya untuk memproses data sekuensial?

• Fungsi aktivasi

• Loop umpan balik

• Fungsi konvolusi

• Fungsi pooling

Apa keunggulan utama Long Short-Term Memory (LSTM) dibandingkan RNN tradisional?

• LSTMs dapat memproses gambar dengan lebih efektif

• LSTMs lebih cepat dalam pelatihan

• LSTMs dapat menghindari masalah vanishing gradient

• LSTMs membutuhkan data lebih sedikit

Dalam konteks Autoencoders, apa tujuan dari encoder?

• Meningkatkan dimensi data

• Mengklasifikasikan jenis data

• Membandingkan dua distribusi probabilitas

• Mengompres data ke dalam bentuk yang lebih padat

Dalam GAN, apa peran dari Discriminator?

• Menciptakan data baru yang mirip dengan data asli

• Membedakan antara data asli dan data yang dibuat oleh Generator

• Mengklasifikasikan data berdasarkan kategori

• Mengekstrak fitur penting dari data

Untuk apa metode Monte Carlo biasanya digunakan?

• Optimalisasi hiperparameter dalam neural networks

• Mengurangi dimensi data dalam pembelajaran mesin

• Simulasi distribusi probabilitas untuk estimasi numerik

• Pengklasifikasian teks dalam Natural Language Processing

Apa yang dimaksud dengan "pooling" dalam konteks CNN?

• Mengurangi ukuran representasi fitur untuk mengurangi komputasi

• Menambah jumlah layer dalam jaringan

• Membagi jaringan menjadi dua bagian paralel

• Menciptakan subset data untuk pelatihan

Bagaimana RNN biasanya menangani data dengan urutan yang penting?

• Melalui mekanisme pintu (gates) seperti pada LSTM

• Dengan menambahkan layer konvolusi

• Menggunakan metode drop-out untuk menghindari overfitting

• Menggunakan pooling layers untuk mereduksi data sekuensial

Apa tujuan dari teknik "backpropagation through time" (BPTT) yang digunakan dalam RNN?

• Untuk mempercepat waktu pelatihan

• Untuk mengolah data dalam batch yang lebih besar

• Untuk menghitung gradien selama pelatihan dengan data sekuensial

• Untuk mengurangi dimensi data input

Faktor apa yang biasanya menyebabkan "mode collapse" dalam pelatihan GAN?

• Terlalu banyak layer dalam Discriminator

• Generator gagal untuk menghasilkan variasi data yang cukup

• Learning rate yang terlalu tinggi pada Discriminator

• Data training yang terlalu homogen