Crowdly

Додати до Chrome

Університети
vns.lpnu.ua
Нейронні мережі [05295]

Нейронні мережі [05295]

Шукаєте відповіді та рішення тестів для Нейронні мережі [05295]? Перегляньте нашу велику колекцію перевірених відповідей для Нейронні мережі [05295] в vns.lpnu.ua.

Отримайте миттєвий доступ до точних відповідей та детальних пояснень для питань вашого курсу. Наша платформа, створена спільнотою, допомагає студентам досягати успіху!

Вказати правильний

оператор додавання першого шару до повнозв’язної

нейронної мережі в задачі розпізнавання зображень об'єктів бази CIFAR10

model.add(layers.Dense(512,

activation='elu', input_dim=2048))

model.add(layers.Dense(512,

activation='elu', input_dim=1024))

model.add(layers.Dense(512,

activation='elu', input_dim=(32

model.add(layers.Dense(512,

activation='elu', input_dim=3072))

Переглянути це питання

Batch Normalization — це:

Техніка, що збільшує кількість даних шляхом додавання шуму.

Процес денормалізації вхідних даних до кожного шару, щоб прискорити навчання та стабілізувати активації.

Метод обмеження значень ваг для уникнення перенавчання.

Процес нормалізації вхідних даних до кожного шару, щоб прискорити навчання та стабілізувати активації.

Переглянути це питання

Вказати правильну групу

операторів компіляції моделі

ної мережі при використанні попередньо

навченої

нейронної мережі VGG16

model = models.Sequential()

from tensorflow.keras import optimizers

model.compile(loss='binary_crossentropy',

optimizer=optimizers.RMSprop(learning_rate=2e-5),

metrics=['acc'])

model = models.Sequential()

from tensorflow.keras import optimizers

compile(loss='binary_crossentropy',

optimizer=optimizers.RMSprop(learning_rate=2e-5),

metrics=['acc'])

model = models.Sequential()

from tensorflow.keras import optimizers

model(loss='binary_crossentropy',

optimizer=optimizers.RMSprop(learning_rate=2e-5),

metrics=['acc'])

model = models.Sequential()

from tensorflow.keras import optimizers

model.compile(loss='binary_crossentropy',

optimizer=optimizer.RMSprop(learning_rate=2e-5),

metrics=['acc'])

Переглянути це питання

Яка з наступних операцій належить до Data Augmentation?

Вибір параметра Dropout.

Видалення зайвих ознак у даних.

Генерація випадкових поворотів, зсувів і масштабувань зображень.

Вибір найкращої моделі за точністю.

Переглянути це питання

Вказати правильний

генератор для навчальних зображень при побудові

ної мережі для

розпізнавання зображень об’єктів двох класів

train_generator = train_datagen.flow_from_directory(

train_dir,

target_size=(150, 150),

batch_size=20,

class_mode='binary_input')

train_generator = train_datagen.flow_from_directory(

train_dir,

target_size=(150, 150),

batch_size=20,

class_mode='categorical_crossentropy')

train_generator = train_datagen.flow_from_directory(

train_dir,

target_size=(150, 150),

batch_size=20,

class_mode='binary')

train_generator = train_datagen.flow_from_directory(

train_dir,

target_size=(150, 150),

batch_size=20,

class_mode='binary_crossentropy')

Переглянути це питання

Пояснити параметр strides=(2,2) в згортковому шарі

model.add(layers.Conv2D(32, (3, 3), strides=(2,2), activation='relu', input_shape=(28, 28, 1)))

Цей параметр задає кроки

згортки, тобто крок переміщення вікна по висоті та ширині

Цей параметр задає розміри

перших двох параметрів тензора на виході цього шару, тобто висоту та ширину

Цей параметр задає кількість

каналів (

фільтрів) на виході цього шару

Цей параметр задає розміри

вікна згортки, тобто його висоту та ширину

Переглянути це питання

Вказати правильний оператор в задачі нейромережевої регресії

history = model(partial_train_data, partial_train_targets,

validation_data=(val_data, val_targets),

epochs=num_epochs, batch_size=1, verbose=0)

history = model.fit(partial_train_data, partial_train_targets,

validation_data=(val_data, val_targets),

epochs=num_epochs, batch_size=1, verbose=0)

history = model.fit(partial_train_data, partial_train_targets,

validation_data=(val_data, val_targets),

epoc=num_epochs, batch=1, verbose=0)

history = fit(partial_train_data, partial_train_targets,

validation_data=(val_data, val_targets),

epochs=num_epochs, batch_size=1, verbose=0)

Переглянути це питання

Визначити формат (shape) тензора на виході третього шару

model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(30, 50, 3)))

model.add(layers.MaxPooling2D((2, 2)))

model.add(layers.Conv2D(64, (3, 3), activation='relu'))

(64, 3, 3)

(12, 22,

64)

(12, 12,

64)

(30, 50,

64)

Переглянути це питання

Що є основною метою оптимізації в нейронних мережах?

Визначення кількості шарів у мережі.

Максимізація функції втрат.

Мінімізація функції втрат шляхом налаштування ваг.

Визначення оптимальний значень гіперпараметрів для мережі.

Переглянути це питання

Коли краще використовувати R² як метрику для регресії?

Коли потрібно оцінити, наскільки добре модель пояснює варіативність залежної змінної.

Для вимірювання середньої абсолютної помилки.

Для моделювання квантилів розподілу цільової змінної.

Коли дані мають аномалії.

Переглянути це питання

Попередня
1
2
3
4
11
Наступна

Хочете миттєвий доступ до всіх перевірених відповідей на vns.lpnu.ua?

Отримайте необмежений доступ до відповідей на екзаменаційні питання - встановіть розширення Crowdly зараз!

Додати до Chrome

Telegram Instagram TikTok Question Bank

Умови використання Зв'яжіться з нами

Додати до Chrome

Додати до Chrome