Révision ANN

Quelle est la fonction d’activation la plus couramment utilisée dans les couches cachées ?

• A. Sigmoïde
  

• B. Tanh
  

• C. ReLU
  

• D. Softmax

Quelle fonction est utilisée pour la sortie d’un réseau de classification binaire ?

• A. ReLU
  

• B. Softmax
  

• C. Sigmoïde
  

• D. Tanh

Que fait ce code ?

• A. Crée un réseau avec 64 couches cachées
  

• B. Crée un réseau avec 64 neurones d’entrée
  

• C. Crée un réseau avec 1 couche cachée de 64 neurones et une couche de sortie
  

• D. Crée une fonction d’activation sigmoïde

Que fait la ligne suivante ?

• A. Entraîne le modèle
  

• B. Évalue les performances du modèle
  

• C. Prépare le modèle pour l'entraînement
  

• D. Sauvegarde le modèle

Que signifie input_shape=(100,) dans la première couche ?

• A. 100 échantillons d’entrée
  

• B. Chaque entrée a 100 features
  

• C. Il y a 100 neurones dans la couche
  

• D. L’entrée sera redimensionnée à 100x1

Quel est le problème avec ce code ?

• A. binary_crossentropy ne convient pas pour une sortie à 3 classes
  

• B. Dense(3, activation='softmax') est invalide
  

• C. Rien, le code est correct
  

• D. Il manque la méthode fit()

Que fait ce code ?

• A. Double le taux d'apprentissage
  

• B. Ignore aléatoirement 50% des neurones pendant l'entraînement
  

• C. Supprime 50% des neurones de manière permanente
  

• D. Gèle 50% des poids du réseau

Que contient history.history après l'entraînement ?

• A. Les poids du réseau
  

• B. Les hyperparamètres
  

• C. Les couches du modèle

• D. L'historique des métriques par époque (loss, accuracy, etc.)
  

Comment met-on en place une régularisation dans un réseau de neurones avec Keras ?

• A. En ajoutant un argument loss='regularization' dans compile()
  

• B. En ajoutant Dropout() ou kernel_regularizer dans les couches
  

• C. En augmentant le nombre de couches cachées
  

• D. En activant un mode de régularisation dans fit()

Quel code ajoute une régularisation l2 correcte ?

• Dense(64, activation='relu', kernel_regularizer=l2(0.01))

• Dense(64, activation='relu', regularizer='l2')

• Dense(64, activation='relu', loss='l2')

• Dense(64, activation='relu', kernel_initializer='l2')