python

28回閲覧 • 52問 • 2年前

問題一覧

Sieć Hopfielda to

Sieć rekurencyjna

Autoenkoder, który poznaje przydatne cechy poprzez dodawanie szumu do danych wejściowychi uczenie się odzyskiwania pierwotnych, niezaszumionych informacji to autoenkoder

odszumiający

Dropout to sposób

unikania przetrenowania sieci

tzw. miękką marżą mamy do czynienia, gdy

pozwalamy SVM popełnić kilka błędów

Zakres wartości tangensa hiperbolicznego to

przedział [-1, 1]

Matplotlib to

biblioteka do wizualizacji danych

Okres w latach 1974-1980 nazywa się

zimą sztucznej inteligencji

W równaniu regresji y=ax+b

zmienna y jest zmienną objaśnianą

W przypadku metody lasu izolacji

im miara bliższa wartości 1, tym większe prawdopodobieństwo, że rekord jest anomalią

Węzeł wewnętrzny drzewa decyzyjnego reprezentuje

test na atrybucie

PCA

można obliczyć przy pomocy macierzy kowariancji

Rozważmy metody PCA i LDA

obie służą do redukcji wymiaru

Za pierwszą sieć neuronową uważa się powszechnie sieć stworzoną przez

Pittsa i McCullocha

NumPy

jest biblioteką stosowaną do przetwarzania dużych macierzy

SVM

jest skuteczny, gdy liczba wymiarów jest większa niż liczba próbek

Model stosowany do autokompletowania kodu to

GPT-3

Rozważmy regułę Hebba

Wadą jest, że wagi mogą dowolnie rosnąć, Stosuje się ją w uczeniu bez nauczyciela

Funkcja Heaviside’a to funkcja

skokowa

Funkcja, która definiuje sposób pomiaru wydajności sieci podczas przetwarzania uczącego(treningowego) zbioru danych, a więc pozwala na dostrajanie parametrów sieci we właściwym kierunku, to

funkcja celu

Miara niejednorodności nazywana jest indeksem

Giniego

Bias w sieci neuronowej

to inaczej wyraz wolny

Eigenfaces korzysta z

PCA

Sieć Kohonena to inaczej nazwa

sieci samoorganizującej się

Skalar to tensor

rzędu 0

Identycznościowa funkcja aktywacji ma zakres wartości postaci

prostej R

Python posiada interpretery dla

różnych platform

W algorytmie KNN (K>1) zwycięzcę wybiera się na zasadzie

głosowania

Podstawy sztucznej inteligencji jako dziedziny zdefiniowano na konferencji w

Dartmouth

Argumentem funkcji aktywacji neuronu jest:

suma ważona wejść, wag oraz wejście wzmocnienia

Proces uczenia, w którym dysponujemy zbiorem zaetykietowanych danych nosi nazwę:

uczenia nadzorowanego

Typowa jednokierunkowa sieć neuronowa (np. MLP) składa się z:

3 warstwy

Maszyna wektorów nośnych separuje przestrzeń liniowo:

prawda

Dokładność (Accuracy) w klasyfikacji binarnej jest definiowana jako:

(TP + FN) / (TP + TN + FP + FN)

Precyzja (Precision) w klasyfikacji binarnej jest definiowana jako:

TP / (TP + FP)

Swoistość (Specificity) w klasyfikacji binarnej jest definiowana jako

TN / (TN + FP)

Czułość (Sensitivity) w klasyfikacji binarnej jest definiowana jako

TP / (TP + FN)

Krzywa ROC definiuje:

Zdolność diagnostyczną systemu klasyfikatorów binarnych

Regresja wielokrotna

Operuje na wielu niezależnych zmiennych

Szeroki margines separacji w maszynie wektorów nośnych:

zwiększa zdolność generalizacji, zmniejsza podatność na przeuczenie

Funkcje jądra używane w SVM służą:

Transformacji danych ze zbioru nieseparowanego liniowo w zbiór separowany, Wyznaczeniu hiperpłaszczyzny posiadającej najszerszy margines separacji

Elementem/elementami algorytmu PCA jest:

Redukcja cech polegająca na ustaleniu wag poszczególnych składowych, Odrzucenie cech nadmiernie skorelowanych

Do algorytmów pozwalających na redukcję wielowymiarowości możemy zaliczyć:

Algorytm Analizy Głównych Składowych (PCA), Algorytm Liniowej Analizy Dyskryminacyjnej (LDA)

Które z poniższych stwierdzeń są prawdziwe w stosunku do algorytmu PCA:

Umożliwia identyfikowanie wzorców danych na podstawie analizy korelacji między nimi, Tworzy nowe osie ortogonalne, na które rzutowane są pierwotne dane

Gdzie mają zastosowanie drzewa decyzyjne:

W zagadnieniach klasyfikacji, W zagadnieniach regresji

Wskaźnik określający różnicę pomiędzy wartością 1, a sumą prawdopodobieństwa instancji danej klasy do liczby wszystkich instancji w danym węźle nosi nazwę:

Indeks Giniego

Wskaż funkcję aktywacji perceptronu:

Funkcja skokowa

Funkcja Bias pozwala:

Jest używana po wyznaczeniu progu aktywacji neuronu, Jest używana jako dodatkowe wejście do neuronu, Przesunąć funkcję aktywacji poprzez dodanie stałej do wejścia

Celem uczenia z krytykiem jest:

Zmaksymalizowanie zwracanej nagrody

Wąski margines separacji w maszynie wektorów nośnych:

Powoduje radykalne zmiany klasyfikacji

Jeśli współczynnik korelacji Pearsona jest równy 0 wówczas:

Nie istnieje korelacja pomiędzy zbiorami

Współczynnik korelacji Pearsona:

służy do określania związku liczb z dwóch zbiorów

Maszyna wektorów nośnych powinna być używana w przypadkach gdy:

liczba wymiarów jest znacząco większa niż liczba próbek, w przestrzeniach wielowymiarowych

sieci

My Ket · 40問 · 2年前

sieci

40問 • 2年前

My Ket

c++

My Ket · 10回閲覧 · 45問 · 2年前

c++

systemy wbudowane

systemy wbudowane

My Ket · 3回閲覧 · 29問 · 1年前

karczmarek

karczmarek

問題一覧

Sieć Hopfielda to

Sieć rekurencyjna

Autoenkoder, który poznaje przydatne cechy poprzez dodawanie szumu do danych wejściowychi uczenie się odzyskiwania pierwotnych, niezaszumionych informacji to autoenkoder

odszumiający

Dropout to sposób

unikania przetrenowania sieci

tzw. miękką marżą mamy do czynienia, gdy

pozwalamy SVM popełnić kilka błędów

Zakres wartości tangensa hiperbolicznego to

przedział [-1, 1]

Matplotlib to

biblioteka do wizualizacji danych

Okres w latach 1974-1980 nazywa się

zimą sztucznej inteligencji

W równaniu regresji y=ax+b

zmienna y jest zmienną objaśnianą

W przypadku metody lasu izolacji

im miara bliższa wartości 1, tym większe prawdopodobieństwo, że rekord jest anomalią

Węzeł wewnętrzny drzewa decyzyjnego reprezentuje

test na atrybucie

PCA

można obliczyć przy pomocy macierzy kowariancji

Rozważmy metody PCA i LDA

obie służą do redukcji wymiaru

Za pierwszą sieć neuronową uważa się powszechnie sieć stworzoną przez

Pittsa i McCullocha

NumPy

jest biblioteką stosowaną do przetwarzania dużych macierzy

SVM

jest skuteczny, gdy liczba wymiarów jest większa niż liczba próbek

Model stosowany do autokompletowania kodu to

GPT-3

Rozważmy regułę Hebba

Wadą jest, że wagi mogą dowolnie rosnąć, Stosuje się ją w uczeniu bez nauczyciela

Funkcja Heaviside’a to funkcja

skokowa

Funkcja, która definiuje sposób pomiaru wydajności sieci podczas przetwarzania uczącego(treningowego) zbioru danych, a więc pozwala na dostrajanie parametrów sieci we właściwym kierunku, to

funkcja celu

Miara niejednorodności nazywana jest indeksem

Giniego

Bias w sieci neuronowej

to inaczej wyraz wolny

Eigenfaces korzysta z

PCA

Sieć Kohonena to inaczej nazwa

sieci samoorganizującej się

Skalar to tensor

rzędu 0

Identycznościowa funkcja aktywacji ma zakres wartości postaci

prostej R

Python posiada interpretery dla

różnych platform

W algorytmie KNN (K>1) zwycięzcę wybiera się na zasadzie

głosowania

Podstawy sztucznej inteligencji jako dziedziny zdefiniowano na konferencji w

Dartmouth

Argumentem funkcji aktywacji neuronu jest:

suma ważona wejść, wag oraz wejście wzmocnienia

Proces uczenia, w którym dysponujemy zbiorem zaetykietowanych danych nosi nazwę:

uczenia nadzorowanego

Typowa jednokierunkowa sieć neuronowa (np. MLP) składa się z:

3 warstwy

Maszyna wektorów nośnych separuje przestrzeń liniowo:

prawda

Dokładność (Accuracy) w klasyfikacji binarnej jest definiowana jako:

(TP + FN) / (TP + TN + FP + FN)

Precyzja (Precision) w klasyfikacji binarnej jest definiowana jako:

TP / (TP + FP)

Swoistość (Specificity) w klasyfikacji binarnej jest definiowana jako

TN / (TN + FP)

Czułość (Sensitivity) w klasyfikacji binarnej jest definiowana jako

TP / (TP + FN)

Krzywa ROC definiuje:

Zdolność diagnostyczną systemu klasyfikatorów binarnych

Regresja wielokrotna

Operuje na wielu niezależnych zmiennych

Szeroki margines separacji w maszynie wektorów nośnych:

zwiększa zdolność generalizacji, zmniejsza podatność na przeuczenie

Funkcje jądra używane w SVM służą:

Transformacji danych ze zbioru nieseparowanego liniowo w zbiór separowany, Wyznaczeniu hiperpłaszczyzny posiadającej najszerszy margines separacji

Elementem/elementami algorytmu PCA jest:

Redukcja cech polegająca na ustaleniu wag poszczególnych składowych, Odrzucenie cech nadmiernie skorelowanych

Do algorytmów pozwalających na redukcję wielowymiarowości możemy zaliczyć:

Algorytm Analizy Głównych Składowych (PCA), Algorytm Liniowej Analizy Dyskryminacyjnej (LDA)

Które z poniższych stwierdzeń są prawdziwe w stosunku do algorytmu PCA:

Umożliwia identyfikowanie wzorców danych na podstawie analizy korelacji między nimi, Tworzy nowe osie ortogonalne, na które rzutowane są pierwotne dane

Gdzie mają zastosowanie drzewa decyzyjne:

W zagadnieniach klasyfikacji, W zagadnieniach regresji

Wskaźnik określający różnicę pomiędzy wartością 1, a sumą prawdopodobieństwa instancji danej klasy do liczby wszystkich instancji w danym węźle nosi nazwę:

Indeks Giniego

Wskaż funkcję aktywacji perceptronu:

Funkcja skokowa

Funkcja Bias pozwala:

Jest używana po wyznaczeniu progu aktywacji neuronu, Jest używana jako dodatkowe wejście do neuronu, Przesunąć funkcję aktywacji poprzez dodanie stałej do wejścia

Celem uczenia z krytykiem jest:

Zmaksymalizowanie zwracanej nagrody

Wąski margines separacji w maszynie wektorów nośnych:

Powoduje radykalne zmiany klasyfikacji

Jeśli współczynnik korelacji Pearsona jest równy 0 wówczas:

Nie istnieje korelacja pomiędzy zbiorami

Współczynnik korelacji Pearsona:

służy do określania związku liczb z dwóch zbiorów

Maszyna wektorów nośnych powinna być używana w przypadkach gdy:

liczba wymiarów jest znacząco większa niż liczba próbek, w przestrzeniach wielowymiarowych