Wayground logo

Free Printable Worksheets

Font size

S
M
L
XL
Worksheets

quiz 2 (AI)

Total questions: 10

Worksheet time: 5mins

Name
Class
Date
1.

უნივერსალური მიახლოების თეორემის მიხედვით

a)

ერთზე მეტი ფარული შრის მქონე ნეირონული ქსელი საკმარისია ნებისმიერ უწყვეტ ფუნქციასთან მისაახლოვებლად

b)

მხოლოდ ერთი ფარული შრის მქონე ნეირონული ქსელი საკმარისია ნებისმიერ უწყვეტ ფუნქციასთან მისაახლოვებლად

c)

მხოლოდ ერთი ფარული შრის მქონე ნეირონული ქსელი საკმარისია ნებისმიერ ფუნქციასთან მისაახლოვებლად

d)

არცერთი ზემოთ ჩამოთვლილი

2.

ნეირონული ქსელის წვრთნის შედეგად დანაკარგის ცვლილება

a)

საწვრთნელი ქვესიმრავლეზე მიღწეული შედეგის უკუ-პროპორციულია

b)

სატესტო ქვესიმრავლეზე მიღწეული შედეგის პირდაპირ-პროპორციულია

c)

წვრთნის კოეფიციენტის დნობის უკუ-პროპორციულია

d)

არ არის კორელაციაში საწვრთნელ სიმრავლეზე მირწეულ შედეგთან

3.

პაკეტური ნორმალიზების შედეგად მიიღწევა ყველა ქვემოთ ჩამოთვლილი სარგებელი, გარდა:

a)

მცირდება შრეების კოვარიანსის წანაცვლება (Covariance Shift), ანუ ხელს უშლის ეფექტის ექსპონენციალურ აკუმულირებას.

b)

თავიდან ვიცილებთ ზედმეთ მიახლოებას (overfitting)

c)

არ ჩქარდება წვრთნის პროცესი

d)

არ გვიწევს ძალიან დიდ ან ძალიან პატარა რიცხვებთან მუშაობა, რაც ამცირებს მონაცემების დანაკარგის რისკს

e)

ყველა ნეირონს აქვს მონაწილეობის ფარდობითად თანაბარი შანსი

4.

ზედმეტი მიახლოების (overfitting) თავიდან აცილებაში ვერ დაგვეხმარება

a)

ა) შემთხვევითი ამოყრის მეთოდი (DropOuts)

b)

ბ) სავალიდაციო ქვესიმრავლეზე შედეგის გაუარესებისას წვრთნის ნაადრევი შეწყვეტა

c)

გ) წვრთნის კოეფიციენტის (a) ციკლური დნობა

d)

დ) მონაცემთა ნორმალიზაცია/სტანდარტიზაცია

e)

(ა) და (ბ)

5.

მონაცემთა სტანდარტიზაცია უზრუნველყოფს

a)

სიმრავლის მასშტაბირებას კოორდინატთა სათავის მიმართ

b)

სიმრავლის მასშტაბირებას [0,1] ინტერვალში

c)

სიმრავლის თანაბარ გადანაწილებას მაქსიმუმსა და მინიმუმს შორის

d)

არცერთ ზემოთ ჩამოთბლილს

6.

ვალიდაციის ქვესიმრავლის ელემენტებისთვის ჭეშმარიტია შემდეგი მტკიცება:

a)

წვრთნის თითოეულ ეპოქაში უნდა მოხდეს ვალიდაციის ქვესიმრავლის ელემენტებზე მხოლოდ წინა გავრცობა

b)

წვრთნის თითოეულ ეპოქაში უნდა მოხდეს ვალიდაციის ქვესიმრავლის ელემენტებზე მხოლოდ უკანა გავრცობა

c)

წვრთნის დასრულებისას უნდა მოხდეს ვალიდაციის ქვესიმრავლის ელემენტებზე მხოლოდ წინა გავრცობა

d)

წვრთნის დასრულებისას უნდა მოხდეს ვალიდაციის ქვესიმრავლის ელემენტებზე მხოლოდ უკანა გავრცობა

7.

ნეირონული ქსელის წვრთნისას უკან გავრცობის მიზანია

a)

ნეირონების აქტივაცია

b)

წონების დაკორექტირება

c)

სიგნალების შეკრება

d)

დანაკარგის მაქსიმიზაცია

8.

წარმოებული არ გვაჩვენებს

a)

ფუნქციის მონოტონურობის ინტერვალებს

b)

ფუნქციის ექსტრემუმებს

c)

ფუნქციის 0-ს ტოლ მნიშვნელობებს

d)

ფუნქციის უწყვეტობას

9.

ცდომილობის (bias) შესაბამისი ნეირონი მონაწილეობს

a)

მხოლოდ უკან გავრცობაში

b)

როგორც წინა, ასევე უკან გავრცობაში

c)

მხოლოდ წინა გავრცობაში

d)

არცერთში

10.

პერსეპტრონის ბირთვში სიგნალის შეკრების შემდეგ ხდება მისი

a)

გრადიენტის დათვლა

b)

გაწარმოება

c)

შეკრება

d)

აქტივაცია

e)

გადაცემა შემდეგი შრისთვის