Neuronale Netze und Deep Learning: Quizfragen und Lerninhalte

Question 1

Welche Schichtart ermöglicht es neuronalen Netzen, räumliche Merkmale in Daten zu extrahieren?

Accepted Answer

Faltungsschicht

Answer

Vollvernetzte Schicht

Answer

Rekurrente Schicht

Answer

Pooling-Schicht

Question 2

Nennen Sie ein wesentliches Merkmal von Deep-Learning-Modellen.

Accepted Answer

Mehrere verdeckte Schichten

Answer

Lineare Aktivierungsfunktionen

Answer

Konstante Lernrate

Answer

Stark überwachte Trainingsdaten

Question 3

Welche Metrik wird typischerweise zur Bewertung der Leistung von Bildklassifizierungsmodellen verwendet?

Accepted Answer

Cross-Entropie

Answer

Mittlerer quadrierter Fehler (MSE)

Answer

Korrelationskoeffizient

Answer

Rückruf

Question 4

Welchem Zweck dient das Dropout-Verfahren bei neuronalen Netzen?

Accepted Answer

Reduzierung von Überanpassung

Answer

Verkürzung der Trainingszeit

Answer

Verbesserung der Genauigkeit

Answer

Normalisierung von Daten

Question 5

Welche Aussage über rekurrenten neuronalen Netze (RNNs) trifft zu?

Accepted Answer

Sie können sequentielle Daten verarbeiten

Answer

Sie haben keine verborgenen Zustände

Answer

Sie benötigen keine zeitaufgelösten Eingaben

Answer

Sie sind immer schneller als faltbare neuronale Netze

Question 6

Erläutern Sie den Unterschied zwischen trainierbaren und nicht trainierbaren Parametern in einem neuronalen Netz.

Accepted Answer

Trainierbare Parameter werden während des Trainings angepasst, nicht trainierbare bleiben konstant

Answer

Nicht trainierbare Parameter werden während des Trainings angepasst, trainierbare bleiben konstant

Answer

Es gibt keinen Unterschied zwischen trainierbaren und nicht trainierbaren Parametern

Answer

Trainierbare Parameter sind Eingaben, während nicht trainierbare Parameter Ausgaben sind

Question 7

Welche Aktivierungsfunktion wird häufig in neuronalen Netzen verwendet, die binäre Klassifizierungsprobleme lösen?

Accepted Answer

Sigmoid

Answer

ReLU

Answer

Tanh

Answer

Softmax

Question 8

Welche Aussage zu neuronalen Netzen trifft zu?

Accepted Answer

Sie können komplexe Abhängigkeiten modellieren.

Answer

Sie sind lineare Modelle.

Answer

Sie benötigen keine Trainingsdaten.

Answer

Sie werden immer sequentiell trainiert.

Question 9

Welche Aktivierungsfunktion wird häufig in neuronalen Netzen verwendet?

Accepted Answer

Sigmoide Funktion

Answer

Lineare Funktion

Answer

Gaußsche Funktion

Answer

Polynomfunktion

Question 10

Welcher Typ von Convolutional Neural Network (CNN) wird häufig für die Objekterkennung eingesetzt?

Accepted Answer

AlexNet

Answer

ResNet

Answer

GRU

Answer

LSTM

Question 11

Was ist ein Vorteil der Verwendung von Faltungsschichten in CNNs?

Accepted Answer

Automatische Merkmalsextraktion

Answer

Verbesserte Generalisierungsfähigkeit

Answer

Reduzierter Rechenaufwand

Answer

Erhöhter Speicherbedarf

Question 12

Welche Metrik wird üblicherweise zur Bewertung der Leistung eines Bildklassifizierungsmodells verwendet?

Accepted Answer

Genauigkeit

Answer

ROC-AUC

Answer

MAE

Answer

RMSE

Question 13

Welche Aufgabe hat eine Faltungsschicht in einem Convolutional Neural Network (CNN)?

Accepted Answer

Merkmalsextraktion aus räumlichen Strukturen in Daten

Answer

Reduzierung der Datendimensionalität

Answer

Objekt-Klassifizierung

Answer

Generierung synthetischer Daten

Question 14

Welcher Algorithmus wird üblicherweise zur Optimierung der Gewichte in Neuronalen Netzen eingesetzt?

Accepted Answer

Gradientenabstieg

Answer

Bayes'sche Optimierung

Answer

Genetische Algorithmen

Answer

Gitterpunktsuche

Question 15

Was ist das Hauptziel von Regularisierungsverfahren in Neuronalen Netzen?

Accepted Answer

Vermeidung von Überanpassung

Answer

Verbesserung der Genauigkeit

Answer

Verringerung der Rechenzeit

Answer

Erhöhung der Modellkomplexität

Question 16

Welche Art von Rekurrentem Neuronalen Netz (RNN) eignet sich am besten für die Verarbeitung sequentieller Daten variabler Länge?

Accepted Answer

Long Short-Term Memory (LSTM)-Netzwerke

Answer

Gated Recurrent Units (GRU)-Netzwerke

Answer

Simple Recurrent Networks (SRN)

Answer

Echo State Networks (ESN)

Question 17

Welche Metrik wird typischerweise zur Bewertung der Leistung eines Neuronalen Netzes bei Klassifikationsaufgaben verwendet?

Accepted Answer

Genauigkeit

Answer

F1-Score

Answer

Mittlerer quadratischer Fehler (MSE)

Answer

R-Quadrat

Question 18

Welches Verfahren kann zur Reduzierung der Datendimensionalität vor der Eingabe in ein Neuronales Netz verwendet werden?

Accepted Answer

Hauptkomponentenanalyse (PCA)

Answer

Clusteranalyse

Answer

Lineare Regression

Answer

Naive Bayes

Question 19

Welche der folgenden Architekturen ist für Transferlernen geeignet?

Accepted Answer

VGG-Netzwerk

Answer

U-Netzwerk

Answer

Selbstorganisierende Karte (SOM)

Answer

Support Vector Machine (SVM)

Question 20

Welche Aktivierungsfunktion wird typischerweise in Perceptrons verwendet?

Accepted Answer

Sigmoid

Answer

Tanh

Answer

ReLU

Answer

Softmax

Question 21

Welche Netzwerkarchitektur ist für ihre Fähigkeit bekannt, räumliche Daten zu verarbeiten?

Accepted Answer

CNN

Answer

MLP

Answer

LSTM

Answer

Autoencoder

Question 22

Welches Optimierungsverfahren wird häufig zum Trainieren von Deep-Learning-Modellen verwendet?

Accepted Answer

Gradientenabstieg

Answer

Evolutionäre Algorithmen

Answer

Reinforcement Learning

Answer

Simulated Annealing

Question 23

Was ist die primäre Funktion eines Convolutional Layers in einem CNN?

Accepted Answer

Extrahieren räumlicher Merkmale

Answer

Verbinden von Merkmalen

Answer

Reduzieren der Dimensionalität

Answer

Hinzufügen von Nichtlinearitäten

Question 24

Was ist der Hauptunterschied zwischen überwachtem und unüberwachtem Lernen?

Accepted Answer

Überwachtes Lernen verwendet markierte Daten, unüberwachtes Lernen nicht

Answer

Überwachtes Lernen zielt auf prädiktive Modelle ab, unüberwachtes Lernen auf deskriptive Modelle

Answer

Überwachtes Lernen ist aufwendiger als unüberwachtes Lernen

Answer

Überwachtes Lernen wird für Klassifizierungsaufgaben verwendet, unüberwachtes Lernen für Clustering-Aufgaben

Question 25

Der Hauptunterschied zwischen Faltungsneuronalen Netzen (CNNs) und Rekursiven Neuronalen Netzen (RNNs) liegt in der **Art der verarbeiteten Daten**. Welcher Unterschied trifft zu?

Accepted Answer

CNNs verarbeiten **räumliche Daten** (z. B. Bilder), während RNNs **sequentielle Daten** (z. B. Text) verarbeiten.

Answer

CNNs verwenden Faltungsoperationen, während RNNs rekursive Verbindungen verwenden

Answer

CNNs sind für die Bildverarbeitung ausgelegt, während RNNs für die Sprachverarbeitung ausgelegt sind

Answer

RNNs haben ein Gedächtnis, während CNNs statische Daten verarbeiten

Question 26

Welche Architektur von neuronalen Netzen wird für die Erkennung von **Objekten** in Bildern eingesetzt?

Accepted Answer

Convolutional Neural Network (CNN)

Answer

Generatives Adversarial Network (GAN)

Answer

Recurrent Neural Network (RNN)

Answer

Long Short-Term Memory (LSTM)

Question 27

Die Aufgabe der **Verlustfunktion** in einem neuronalen Netzwerk ist:

Accepted Answer

Den **Fehler zwischen Vorhersage und tatsächlichem Wert** zu quantifizieren

Answer

Die Gewichte des Netzwerks zu initialisieren

Answer

Die Aktivierungsfunktion zu berechnen

Answer

Das Netzwerk vor Überanpassung zu schützen

Question 28

Beim Training eines neuronalen Netzwerks werden die Gewichte initialisiert, um das Training zu erleichtern. Welche Methode zur Gewichteinitialisierung ist hierfür am effektivsten?

Accepted Answer

He-Initialisierung

Answer

Skalierung

Answer

Uniformverteilung

Answer

Normalverteilung

Question 29

Welche Art von neuronalem Netz ist für ihre Fähigkeit zur Bildverarbeitung bekannt?

Accepted Answer

Convolutional Neural Network (CNN): spezifisch für die Verarbeitung von Bilddaten und die Erkennung von Mustern

Answer

Recurrent Neural Network (RNN): geeignet für die Verarbeitung sequentieller Daten wie Text oder Sprache

Answer

Feedforward Neural Network (FNN): allgemeines neuronales Netz mit einfacherer Architektur

Answer

Radial Basis Function Network (RBFN): spezialisiert auf die Approximation nichtlinearer Funktionen

Question 30

Welcher Optimierungsalgorithmus wird häufig zum Trainieren neuronaler Netze verwendet?

Accepted Answer

Gradientenabstieg: iterative Methode zur Minimierung der Verlustfunktion

Answer

K-Means-Clustering: Algorithmus zur Gruppierung von Datenpunkten

Answer

Support Vector Machines (SVM): Modell zur Klassifizierung und Regression

Answer

Naive Bayes: probabilistischer Klassifikator

Question 31

Was ist das primäre Ziel der Regularisierung beim Training neuronaler Netze?

Accepted Answer

Überanpassung minimieren: Verhinderung, dass Netzmodelle zu stark an den Trainingsdaten anlernen

Answer

Trainingszeit verkürzen: Beschleunigung des Trainingsprozesses

Answer

Generalisierungsfähigkeit verbessern: Ermöglichung der Anwendung des Netzes auf neue, ungesehene Daten

Answer

Modellkomplexität erhöhen: Hinzufügen von Parametern und Schichten zum Netz

Question 32

Welche der folgenden Aussagen beschreibt die grundlegende Struktur eines künstlichen Neurons am präzisesten?

Accepted Answer

Eine gewichtete Summe von Eingaben, die durch eine Aktivierungsfunktion transformiert wird

Answer

Eine lineare Transformation von Eingaben ohne Aktivierungsfunktion

Answer

Eine nichtlineare Transformation von Eingaben ohne Aktivierungsfunktion

Answer

Eine gewichtete Summe von Eingaben, die direkt abgebildet werden

Question 33

Was ist der entscheidende Unterschied zwischen einem Feed-Forward-Netzwerk und einem rekurrenten neuronalen Netzwerk (RNN)?

Accepted Answer

RNNs verarbeiten Daten seriell, während Feed-Forward-Netzwerke Daten parallel verarbeiten.

Answer

Feed-Forward-Netzwerke verarbeiten Daten seriell, während RNNs Daten parallel verarbeiten.

Answer

Feed-Forward-Netzwerke besitzen versteckte Schichten, während RNNs keine versteckten Schichten haben.

Answer

RNNs besitzen versteckte Schichten, während Feed-Forward-Netzwerke keine versteckten Schichten haben.

Question 34

Welche Aktivierungsfunktion findet häufig Anwendung in Convolutional Neural Networks (CNNs)?

Accepted Answer

ReLU

Answer

Sigmoid

Answer

Tanh

Answer

Softmax

Question 35

Welche Aufgabe hat eine Verlustfunktion in einem neuronalen Netzwerk?

Accepted Answer

Die Leistung des Modells während des Trainings zu messen

Answer

Die Gewichte des Modells zu optimieren

Answer

Die Daten in verschiedene Klassen zu kategorisieren

Answer

Die Eingaben in das Modell zu normalisieren

Question 36

Welche Architektur ist für die Bildklassifizierung am besten geeignet?

Accepted Answer

Convolutional Neural Network (CNN)

Answer

Recurrent Neural Network (RNN)

Answer

Transformer-Modell

Answer

Lineares Regressionsmodell

Question 37

Welche Aussage beschreibt am treffendsten die Aufgabe von Gewichtungen in neuronalen Netzen?

Accepted Answer

Sie beeinflussen die Signalstärke der Verbindungen zwischen Neuronen.

Answer

Sie speichern die Eingabedaten.

Answer

Sie repräsentieren die Aktivierungsfunktion.

Answer

Sie legen die Netzwerkarchitektur fest.

Question 38

Welcher Netzwerktyp eignet sich am besten für die Verarbeitung sequenzieller Daten?

Accepted Answer

Rekurrentes neuronales Netzwerk (RNN)

Answer

Feedforward-Netzwerk

Answer

Faltungsneuronales Netzwerk (CNN)

Answer

Autoencoder

Question 39

Was ist die Funktion einer Aktivierungsfunktion in einem Neuron?

Accepted Answer

Sie wandelt die gewichtete Summe der Eingabesignale um.

Answer

Sie ist der Eingabewert des Neurons.

Answer

Sie ist der Ausgabewert des Neurons.

Answer

Sie gibt die Anzahl der Eingänge des Neurons an.

Question 40

Welche Messgröße wird üblicherweise verwendet, um die Leistung eines CNN bei der Bilderkennung zu bewerten?

Accepted Answer

Genauigkeit (Accuracy)

Answer

Mittlerer quadratischer Fehler (MSE)

Answer

Präzision (Precision)

Answer

Rückruf (Recall)

Question 41

Welchem Zweck dient eine Dropout-Schicht in einem neuronalen Netzwerk?

Accepted Answer

Reduzierung von Überanpassung

Answer

Erhöhung der Genauigkeit

Answer

Beschleunigung des Trainings

Answer

Erhöhung der Anzahl der Neuronen

Question 42

Welche Netzwerkarchitektur ist ein Beispiel für ein Deep-Learning-Modell?

Accepted Answer

Mehrschichtiges faltungsneuronales Netzwerk

Answer

Logistische Regression

Answer

Support-Vektor-Maschine

Answer

Entscheidungsbaum

Question 43

Was wird unter "Rückwärtspropagation" in neuronalen Netzen verstanden?

Accepted Answer

Der Prozess der Berechnung von Fehlergradienten

Answer

Die Technik zum Initialisieren von Netzwerkgewichten

Answer

Der Algorithmus zur Optimierung von Netzwerkparametern

Answer

Die Methode zur Übertragung von Wissen zwischen Netzwerken

Question 44

Welche Technik wird zur Erweiterung von Trainingsdaten für ein neuronales Netzwerk eingesetzt?

Accepted Answer

Datenaugmentation

Answer

Regularisierung

Answer

Kreuzvalidierung

Answer

Überanpassung

Question 45

Welche der folgenden Aussagen beschreibt die grundlegende Funktionsweise neuronaler Netze korrekt?

Accepted Answer

Sie ahmen die Funktionsweise des menschlichen Gehirns nach, indem sie mathematische Operationen auf Knoten anwenden, die in Schichten angeordnet sind.

Answer

Sie basieren ausschließlich auf statistischen Modellen.

Question 46

Welcher Typ neuronaler Netze eignet sich besonders für die Erkennung von Objekten in Bildern?

Accepted Answer

Convolutional Neural Network (CNN)

Answer

Recurrent Neural Network (RNN)

Answer

Generative Adversarial Network (GAN)

Answer

Autoencoder

Question 47

Was ist ein wesentlicher Unterschied zwischen Feedforward- und rekurrenten neuronalen Netzen?

Accepted Answer

Feedforward-Netze verarbeiten Eingaben in einer linearen Abfolge, während RNNs Verbindungen zwischen verschiedenen Zeitschritten aufweisen, was es ihnen ermöglicht, zeitliche Abhängigkeiten zu erfassen.

Answer

Feedforward-Netze benötigen immer eine Rückkopplungsschleife, während RNNs keine Rückkopplung benötigen.

Question 48

Welches ist das primäre Ziel des Backpropagation-Algorithmus während des Trainingsprozesses neuronaler Netze?

Accepted Answer

Minimierung der Kostenfunktion durch Anpassung der Gewichtungen in den Knoten des Netzes.

Answer

Initialisierung der Gewichtungen im Netzwerk.

Answer

Berechnung der Vorwärtsausbreitung der Aktivierungen.

Question 49

Welcher der folgenden Vorteile ist mit der Verwendung von Transferlernen bei neuronalen Netzen verbunden?

Accepted Answer

Verringerung der Trainingszeit und Verbesserung der Leistung durch die Nutzung von Wissen aus zuvor trainierten Modellen.

Answer

Eliminierung der Notwendigkeit, große Datensätze zu sammeln.

Answer

Garantie für eine perfekte Genauigkeit auf neuen Daten.

Question 50

Nennen Sie einige der wesentlichen Einschränkungen bei der Verwendung neuronaler Netze.

Accepted Answer

Erfordernis großer Datenmengen, potenzielle Black-Box-Funktionalität und hoher Rechenaufwand für Training und Inferenz.

Answer

Sie können nur für Probleme mit kleinen Eingabedaten verwendet werden.

Answer

Sie sind nicht in der Lage, komplexe nichtlineare Funktionen zu approximieren.

Question 51

Zu welcher Kategorie neuronaler Netze gehört das Convolutional Neural Network (CNN)?

Accepted Answer

Faltungsneuronale Netze

Answer

Vorwärtsgerichtete neuronale Netze

Answer

Feedforward-Neuronale Netze

Answer

Rekurrente neuronale Netze

Question 52

Welche Aufgabe übernimmt die Faltungsschicht eines CNN?

Accepted Answer

Erkennen von Merkmalen aus Rohdaten

Answer

Klassifizierung von Datenpunkten

Answer

Erkennung von Mustern

Answer

Reduzierung der Dimensionalität

Question 53

Welche Aktivierungsfunktion wird häufig in Reccurent Neural Networks (RNNs) eingesetzt?

Accepted Answer

Long Short-Term Memory (LSTM)

Answer

Sigmoid

Answer

Tanh

Answer

ReLU

Question 54

Welche Verlustfunktion eignet sich insbesondere für Klassifizierungsprobleme?

Accepted Answer

Kategorische Kreuzentropie

Answer

Huber-Verlust

Answer

Mittlerer absoluter Fehler (MAE)

Answer

Mittleres quadratisches Abweichung (MSE)

Question 55

Welcher Vorteil zeichnet Deep Learning im Vergleich zu traditionellen maschinellen Lernmethoden aus?

Accepted Answer

Automatische Extraktion komplexer Merkmale aus Rohdaten

Answer

Höhere Genauigkeit in allen Anwendungsfällen

Answer

Einfachere Implementierung

Answer

Geringerer Rechenaufwand

Question 56

Welche Aufgabe erfüllt ein Optimierungsalgorithmus im Deep-Learning-Kontext?

Accepted Answer

Minimierung der Verlustfunktion

Answer

Verhinderung von Überanpassung

Answer

Beschleunigung des Trainingsprozesses

Answer

Maximierung der Trainingsgenauigkeit

Question 57

Welche Herausforderung ist mit dem Einsatz neuronaler Netze verbunden?

Accepted Answer

Erfordernis umfangreicher Datensätze

Answer

Geringe Rechenkosten

Answer

Unempfindlichkeit gegenüber Rauschen

Answer

Hohe Interpretierbarkeit

Question 58

Welche Aussage über neuronale Netze trifft NICHT zu?

Accepted Answer

Neuronale Netze erfordern immer große Trainingsdatenmengen für gute Ergebnisse.

Answer

Neuronale Netze können durch Rückwärtspropagation trainiert werden.

Answer

Neuronale Netze sind anfällig für Überanpassung.

Answer

Neuronale Netze können komplexe nichtlineare Beziehungen modellieren.

Question 59

Welche der folgenden Architekturen ist KEIN rekurrentes neuronales Netzwerk (RNN)?

Accepted Answer

Convolutional Neural Network (CNN)

Answer

Gated Recurrent Unit (GRU)

Answer

Long Short-Term Memory (LSTM)

Answer

Recurrent Neural Network (RNN)

Question 60

Welche Funktion erfüllt die Aktivierungsfunktion in einem neuronalen Netzwerk?

Accepted Answer

Bestimmung der Ausgabe eines Neurons basierend auf der gewichteten Summe der Eingaben.

Answer

Anpassung der Lernrate des Netzwerks

Answer

Berechnung des Fehlers zwischen Vorhersage und tatsächlichem Wert

Question 61

Welcher Aspekt ist kein typisches Merkmal von Convolutional Neural Networks (CNNs)?

Accepted Answer

Verwendung rekurrenter Verbindungen zur Modellierung von zeitlichen Abhängigkeiten.

Answer

Verwendung von Faltungsschichten zur Extraktion lokaler Merkmale.

Answer

Verwendung von Pooling-Schichten zur Reduzierung der räumlichen Dimension.

Question 62

Welches Konzept wird bei der Backpropagation verwendet, um die Gewichte in einem neuronalen Netzwerk zu aktualisieren?

Accepted Answer

Gradientenabstieg

Answer

Entropiemaximierung

Answer

Genetische Algorithmen

Answer

K-Means-Clustering

Question 63

Was ist der Zweck des 'Padding' bei Convolutional Neural Networks (CNNs)?

Accepted Answer

Erhalten der räumlichen Dimension des Eingangssignals nach der Faltung.

Answer

Reduzieren der Anzahl von Parametern im Netzwerk.

Answer

Verbessern der Generalisierungsfähigkeit des Netzwerks.

Question 64

Welche der folgenden Aussagen beschreibt am besten den Zweck des 'Pooling' in Convolutional Neural Networks (CNNs)?

Accepted Answer

Reduzieren der räumlichen Dimension des Eingangssignals zur Reduzierung der Rechenkomplexität und Vermeidung von Überanpassung.

Answer

Erhöhen der Anzahl von Merkmalen in jeder Schicht.