Exploration des Réseaux de Neurones Artificiels

Audio automatique activé : les prochaines questions seront lues quand vous cliquerez sur Continuer.

1. 1

   Qu'est-ce qu'un neurone dans un réseau de neurones artificiels?

   A Une unité de calcul qui prend des entrées et produit une sortie en utilisant une fonction d'activation. B Une connexion entre deux couches d'un réseau neuronal. C Un algorithme pour optimiser la vitesse d'apprentissage.
2. 2

   Quelle est la fonction de rectification la plus couramment utilisée dans les réseaux de neurones?

   A Fonction Sigmoïde B Fonction ReLU (Rectified Linear Unit) C Fonction Tangente Hyperbolique
3. 3

   Quel est le but de l'apprentissage par rétropropagation?

   A Réinitialiser les poids du réseau à zéro. B Ajouter de nouvelles couches au réseau neuronique. C Ajuster les poids pour minimiser l'erreur de l'apprentissage.
4. 4

   Quelle est la principale différence entre un réseau de neurones récurrents (RNN) et un réseau de neurones convolutifs (CNN)?

   A Les RNN traitent des séquences de données, tandis que les CNN sont utilisés pour le traitement spatial des images. B Les CNN utilisent des cellules de mémoire spécifiques, tandis que les RNN ne traitent que des images. C Les RNN exécutent des convolutions sur les données, contrairement aux CNN qui les évitent.
5. 5

   Dans un modèle de réseau de neurones, que représente le terme .learning rate.?

   A Le nombre d'itérations que le modèle exécute pendant la formation. B Le taux avec lequel les poids sont mis à jour pendant l'apprentissage. C La taille de la mémoire allouée pour les calculs neuronaux.
6. 6

   Quel terme décrit un réseau de neurones capable de générer de nouvelles données semblables aux données d'apprentissage?

   A Classificateur B Réseau de transformation C Réseau antagoniste génératif (GAN)
7. 7

   Quelle approche est souvent utilisée pour éviter l.overfitting dans les réseaux de neurones?

   A Regularisation (Régularisation) B Augmentation de la complexité du modèle C Réduction de la taille de l'ensemble de formation
8. 8

   Quelle technique est utilisée pour ajuster dynamiquement la taille de l'apprentissage dans un réseau de neurones ?

   A Momentum B Adam (Adaptive Moment Estimation) C MaxPooling
9. 9

   Quel est l'avantage principal de l'utilisation d'un dropout dans un réseau de neurones?

   A Réduire le surajustement en omettant des neurones aléatoires lors de l'apprentissage. B Augmenter la complexité en ajoutant plus de paramètres. C Réduire la nécessité d'une évaluation sur un ensemble de validation.
10. 10

    Quel type de couche est souvent utilisée pour résumer ou compresser des données dans un réseau de neurones?

    A Couche de convolutif B Couche de pooling C Couche fully connected