wayground logo

Free Printable Worksheets

NEW

Font size

S
M
L
XL
Worksheets

ΔΗΜΗΤΡΑ ΑΙ ΕΝΟΤΗΤΑ 2

Total questions: 10

Worksheet time: 5mins

Name
Class
Date
1.

Η Παραγωγική Τεχνητή Νοημοσύνη
επικεντρώνεται κυρίως στην ταξινόμηση δεδομένων σε
προκαθορισμένες κατηγορίες.

a)

ΣΩΣΤΟ

b)

ΛΑΘΟΣ

2.

Στα Γενετικά Ανταγωνιστικά Δίκτυα (GANs), ο
Διακριτής προσπαθεί να παράγει νέα, ρεαλιστικά δεδομένα.

a)

ΣΩΣΤΟ

b)

ΛΑΘΟΣ

3.

Ο μηχανισμός προσοχής (attention
mechanism) στα Transformers επιτρέπει την παράλληλη
επεξεργασία ακολουθιών δεδομένων

a)

ΣΩΣΤΟ

b)

ΛΑΘΟΣ

4.

Ποια από τις παρακάτω μετρικές αξιολόγησης χρησιμοποιείται
κυρίως για την αξιολόγηση της ποιότητας και της
ποικιλομορφίας των παραγόμενων εικόνων;

a)

BLEU

b)

Perplexity

c)

Frechet Inception Distance (FID)

d)

Mean Squared Error (MSE)

5.

Ποια από τις παρακάτω αρχιτεκτονικές παραγωγικών μοντέλων
βασίζεται στην ιδέα της αντιστροφής μιας διαδικασίας θορύβου;

a)

Generative Adversarial Networks (GANs)

b)

Transformers

c)

Diffusion Models

d)

Recurrent Neural Networks (RNNs)

6.

6.Ποιο από τα παρακάτω αποτελεί βασική πρόκληση στη συλλογή
και επιμέλεια δεδομένων για την Παραγωγική ΤΝ;

a)

Η έλλειψη υπολογιστικής ισχύος για την αποθήκευση δεδομένων.

b)

Η αδυναμία των μοντέλων να επεξεργαστούν μεγάλα σύνολα
δεδομένων.

c)

Η πιθανότητα εμφάνισης προκαταλήψεων στα δεδομένα
εκπαίδευσης.

d)

Το χαμηλό κόστος της χειροκίνητης ετικετοποίησης δεδομένων
Η πιθανότητα εμφάνισης προκαταλήψεων στα δεδομένα
εκπαίδευσης.

7.

Σε ένα GAN (Generative Adversarial Network),
η Γεννήτρια δημιουργεί ψευδή δεδομένα και ο Διακρίτης
προσπαθεί να διακρίνει αν είναι αληθινά ή όχι, με τις δύο
οντότητες να εκπαιδεύονται ανταγωνιστικά.

a)

ΣΩΣΤΟ

b)

ΛΑΘΟΣ

8.

Οι Ενσωματώσεις Θέσης (Positional
Embeddings) στους Transformers χρησιμοποιούνται για να
παρέχουν στο μοντέλο πληροφορία για τη σειρά των λέξεων, η
οποία διαφορετικά θα αγνοούνταν λόγω της παράλληλης
επεξεργασίας.

a)

ΣΩΣΤΟ

b)

ΛΑΘΟΣ

9.

Τα Διάχυτα Μοντέλα (Diffusion Models)
χρησιμοποιούνται αποκλειστικά για τη δημιουργία εικόνων από
κείμενο και δεν εφαρμόζονται σε άλλες μορφές δεδομένων
όπως ήχος ή βίντεο.

a)

ΣΩΣΤΟ

b)

ΛΑΘΟΣ

10.

Οι υπερ-παράμετροι καθορίζονται πριν την
εκπαίδευση ενός μοντέλου και η σωστή ρύθμισή τους (π.χ. learning
rate, batch size) είναι κρίσιμη για την απόδοση του μοντέλου, σε
αντίθεση με τις παραμέτρους που μαθαίνονται κατά την εκπαίδευση.

a)

ΣΩΣΤΟ

b)

ΛΑΘΟΣ