AI TEST

手寫數字圖像的解析度是多少？

• 28x28 像素

• 32x32 像素

• 64x64 像素

• 100x100 像素

辨識手寫數字的程式輸出範圍是什麼？

• 0到9之間的數字

• 0到10之間的數字

• 1到10之間的數字

• 1到9之間的數字

對於28x28像素的圖像，輸入層有多少個神經元？

• 28

• 56

• 784

• 1000

在此神經網路中，一個神經元代表什麼？

• 一個介於0和1之間的數字

• 一個像素值

• 一個複雜的計算

• 一個二進位開關

類神經網路如何識別複雜的數字模式？

• 透過直接比較整個數字圖像。

• 透過將數字分解為更小的子組件（例如迴圈和線條），然後組合這些子組件。

• 透過隨機猜測並根據反饋進行調整。

• 透過僅識別數字的中心部分。

在類神經網路中，權重（weights）代表什麼？

• 它們是決定神經元是否活躍的固定閾值。

• 它們是輸入像素的亮度值。

• 它們是連接不同層神經元的數值參數，用於學習特定模式。

• 它們是網路的最終輸出。

為什麼神經網路使用 Sigmoid 函數來處理加權總和？

• 為了加快計算速度。

• 為了將神經元的激活值壓縮到 0 到 1 之間。

• 為了增加網路的複雜性。

• 為了隨機化輸出。

在神經網路中，偏差（bias）的作用是什麼？

• 它決定了神經元需要多高的加權總和才能有意義地激活。

• 它用於初始化網路中的所有權重。

• 它定義了網路的整體結構。

• 它將輸入數據轉換為不同的格式。

在神經網路中，「學習」指的是什麼？

• 調整網路的層數以提高準確性。

• 找到正確的權重和偏差設定，以解決特定問題。

• 增加輸入數據的數量。

• 改變神經元的連接方式。

神經網路的第二層和第三層通常會學習識別什麼？

• 最終的輸出數字。

• 輸入圖像的原始像素值。

• 邊緣和圖案等特徵。

• 網路的整體結構。