Moja lekcja

Które ze stwierdzeń odnośnie inicjalizacji wag jest FAŁSZEM?

odpowiedź: początkowo najlepiej ustawić wagi na 0

Dlaczego nie powinniśmy inicjalzować wag ustawiając je wszystkie na 0?

odpowiedź: takiej sytuacji wszystkie neurony ukryte mają TEN SAM GRADIENT

Załóżmy, że neuron otrzymuje n wejść x1 x2 x3 ... xn na połączeniach z wagami w1, w2, wn. Całkowite pobudzenie przesyłanie do funkcji aktywacji wyraża się wzorem:

odpowiedź: E wi*xi

Poniżej przedstawiona jest charakterystyka regresji logistyczynej Zaznacz stwierdzenia PRAWDZIWE

odpowiedź: funkcja dopasowana etropia krzyżowa, do modelowania prawdopodobieństwa w regresji stostowana jest funkcja SIGMOIDALNA, wyjście reprezentuje prawdopodobieństwo

Zadanie klasyfikacji i regresji musi być wykonywana przy użyciu odpowiedniej funkcji straty(kosztu). Wybierz własciwe funkcje dla obu zadań spośród propozycji podanych poniżej:

odpowiedź: dla zadania regresji BŁĄD ŚREDNIOKWADRATOWY a dla zadania klasyfikacji ENTROPIA KRZYŻOWA

Jaki jest cel użycia regularyzacji L1 i L2 w sieciach neuronowych?

odpowiedź: poprawa generalizacji

EDA to ekspoloracyjna analiza danych. Zaznacz techniki jakie są w niej wykorzystywane.

odpowiedź: PODEJŚCIE STATYCZNE, METODY WIZULAIZACJI

Uczenie seici przez zbyt duża liczbę epok prowadzi do:

odpowiedź: długiego czasu uczenia, przeuczenia, niepotrzebnej straty czasu

Które z podanych czynników tworzą nieliniową nature sieci neuronowych?

odpowiedź: funkcje aktywacji

Które z tych stwierdzeń jest FAŁSZEM?

odpowiedź: Korzystając z zaimplementowanego modelu sieci, niezależnie od wartości początkowych wag, sieć zawsze wyuczy się określonego zadania.

klasyfikator wykorzystujący sieć w PEŁNI POŁĄCZONĄ.

odpowiedź: klasyfikację wieloetykietową

Propagacja wsteczna to technika uczenia sieci neuronowych. Określ co rzutuję wstecz zaznaczając właściwą odpowiedź:

odpowiedź: gradient błędu

Skąd bierze się termin NAIWNY w naiwnym klasyfikatorze BAYESA?

odpowiedź: Bo robimy założenie warunkowej niezależności zmiennych wejściowych względem klasy.

Liczba wag w sieci MLP w pełni połączonej o 5 neuronach w warstwie wejściowej i 5 neuronach w warstwie ukrytej oraz 3 warstwie wejściowej wynosi:

odpowiedź:40

Skalujemy wejścia sieci neuronowej żeby poprawić zbieżność i przyspieszyć proces uczenia:

odpowiedź: PRAWDA

Określ w jaki sposób rzutowane są gradienty błędów w metodzie propagacji wsteczej w celu aktualizacji wag:

odpowiedź: od warstwy WYJŚCIOWEJ do WEJŚCIOWEJ

Które ze stwierdzeń najlepiej definiuje pojecie generalizcji w odniesieniu do sieci neuronowych?

odpowiedź: zdolność do wyuczenia się funkcji odwzorowywującej dane wejściowe na wyjściowe

Które z podanych stwierdzeń dotyczących uczenia metodą SGD na małych paczkach (mini batch SGD) jest fałszem?

odpowiedź: efekt działania tej metody jest identyczny z SGD(stochasatic gradient)

Które z podanych niżej funkcji NIE mogą być stosowane w sieci MLP uczonej metodą propagacji wstecznej?

odpowiedź: funkcja progowa

Mamy zamodelować szanse przeżycia pacjentki z rakiem piersi na podstawie jej wieku i rozmiaru guza. Jaki rodzaj modelu proponowałbyś użyć.

odpowiedź: regresja logistyczna

Zaznacz te elementy, spośród wymienionych, które wpływają na szybkość uczenia:

odpowiedź: wartości początkowych wag, liczba użytych neuronów w sieci, użyta funkcja aktywacji, wartość początkowych wag, liczba użytych neuronów sieci, użyta funkcja aktywacji, wartość współczynnika uczenia

Eksploracyjna analiza danych (EDA) powinna być krokiem wstępnym przed użyciem metody maszynowego uczenia. Poniżej zamieszczono na jej temat kilka stwierdzień. Zaznacz to, które jest Twoim zdaniem NIEPRAWDZIWE.

odpowiedź: Dostracza informacji dokładności rozpoznawania modelu wyuczonego na tych danych.

Czym jest funkcja kosztu?

odpowiedź: funckja określająca jak dobzsre model funkcjonuje przy danych wartościach parametru

Dobór początkowej wartości współczynnika uczenia przy użyciu optymalizacji współczynnika uczenia, nie ma wpływu na szybkość uczenia modelu. Prawda czy Fałsz?

odpowiedź: fałsz

Główne ograniczenie metody propagacji wstecznej to:

odpowiedź: wolna zbieżność, minimuma lokalne, skalowalność

Jednym z problemów z zastosowaniem funkcji SIGMOIDALNEJ jest jej nasycenie dla dużych i małych wartości. Czy zastosowanie funkcji tangensa hiperbolicznego jako funkcji aktywacji pozwala uniknąć tego problemu?

odpowiedź: fałsz

Które funkcje starty są używane w zadaniu regresji?

odpowiedź: średni błąd bezwględny, błąd średniokwadratowy