Neuronale Netze: Grundlagen und Anwendungen im Maschinellen Lernen

Question 1

Der Backpropagation-Algorithmus dient dazu:

Accepted Answer

Anpassung der Gewichte eines neuronalen Netzes zur Fehlerminimierung

Answer

Generierung neuer Datenpunkte für das Training

Answer

Vorverarbeitung von Eingabedaten

Question 2

Welche Fehlerfunktion ist für Regressionsprobleme geeignet?

Accepted Answer

Mittlerer quadratischer Fehler

Answer

Hinge-Verlust

Answer

Kreuzentropie

Answer

Absoluter Fehler

Question 3

Überanpassung in neuronalen Netzen bedeutet:

Accepted Answer

Ein Modell, das auf Trainingsdaten gut abschneidet, aber auf neuen Daten schlechter

Answer

Ein Modell, das auf neuen Daten gut abschneidet, aber auf den Trainingsdaten schlechter

Answer

Ein Modell, das sowohl auf Trainings- als auch auf Testdaten gut abschneidet

Question 4

Welche Architektur eines neuronalen Netzes ist für die Bildklassifizierung geeignet?

Accepted Answer

Konvolutionelles neuronales Netzwerk (CNN)

Answer

Autoencoder

Answer

Vollständig verbundenes neuronales Netzwerk (FCN)

Answer

Rekurrentes neuronales Netzwerk (RNN)

Question 5

Ein Beispiel für unüberwachtes Lernen ist:

Accepted Answer

Clustering

Answer

Bildklassifizierung

Answer

Handschrifterkennung

Answer

Maschinelle Übersetzung

Question 6

Welches ist der Hauptzweck von Regularisierungstechniken bei neuronalen Netzwerken?

Accepted Answer

Überanpassung verhindern

Answer

Genauigkeit verbessern

Answer

Konvergenzgeschwindigkeit erhöhen

Answer

Speicherbedarf reduzieren

Question 7

Welche Aufgabe kann durch ein Autoencoder-Modell effektiv gelöst werden?

Accepted Answer

Dimensionierungsreduktion und Rauschentfernung

Answer

Spracherkennung und maschinelle Übersetzung

Answer

Zeitreihendatenvorhersage und Anomalieerkennung

Answer

Objekterkennung und Bildsegmentierung

Question 8

Welcher Vorteil ist mit der Verwendung von Generativen Adversarial Networks (GANs) verbunden?

Accepted Answer

Generierung realistischer Datenproben

Answer

Klassifizierung und Vorhersage

Answer

Erkennung von Ausreißern und Betrug

Answer

Clustering und Segmentierung

Question 9

Welcher Algorithmus wird üblicherweise zur Anpassung der Gewichte eines neuronalen Netzwerks verwendet?

Accepted Answer

Backpropagation

Answer

Simulated Annealing

Answer

Particle-Swarm-Optimierung

Answer

Genetischer Algorithmus

Question 10

Welche Aussage trifft **nicht** auf konvolutionale neuronale Netze (CNNs) zu?

Accepted Answer

Sie werden ausschließlich für die Verarbeitung von sequentiellen Daten verwendet.

Answer

Sie sind speziell für die Verarbeitung von strukturierten Daten wie Bildern konzipiert.

Answer

Sie verwenden Pooling-Schichten zur Merkmalsextraktion.

Answer

Sie ermöglichen die Erkennung von Mustern in räumlichen Domänen.

Question 11

Welche Metrik eignet sich zur Beurteilung der Leistung eines Klassifikationsmodells?

Accepted Answer

Genauigkeit

Answer

Mittlerer quadratischer Fehler

Answer

R-Quadrat

Answer

Mittlerer absoluter Fehler

Question 12

Welchen Zweck erfüllt eine Dropout-Schicht in einem neuronalen Netzwerk?

Accepted Answer

Überanpassung zu reduzieren

Answer

Die Trainingszeit zu verkürzen

Answer

Die Anzahl der Parameter zu erhöhen

Answer

Die Modellkomplexität zu erhöhen

Question 13

Was ist das Ziel von Transferlernen im maschinellen Lernen?

Accepted Answer

Vorwissen von einem trainierten Modell auf eine neue Aufgabe zu übertragen

Answer

Die Modellarchitektur zu ändern

Answer

Neue Daten aus einer anderen Domäne zu sammeln

Question 14

Welche der folgenden Funktionen ist eine häufig verwendete Aktivierungsfunktion in neuronalen Netzen?

Accepted Answer

ReLU (Rectified Linear Unit)

Answer

Mittelwert

Answer

Exponentialfunktion

Answer

Quadratwurzel

Question 15

Was ist der Zweck der Vorwärtspropagation in einem neuronalen Netz?

Accepted Answer

Berechnung der Ausgabe für einen gegebenen Eingabevektor

Answer

Berechnung des Verlusts

Answer

Aktualisierung der Gewichte

Question 16

Welche Aussage über Backpropagation ist korrekt?

Accepted Answer

Es ist ein Algorithmus zur Berechnung des Fehlergradienten.

Answer

Es wird nur in Feedforward-Netzwerken verwendet.

Answer

Es reduziert immer den Verlust

Question 17

Was ist der wesentliche Unterschied zwischen überwachtem und unüberwachtem Lernen in neuronalen Netzen?

Accepted Answer

Überwachtes Lernen verwendet markierte Daten, während unüberwachtes Lernen unmarkierte Daten verwendet.

Answer

Überwachtes Lernen ist einfacher zu implementieren.

Question 18

Welche der folgenden Architekturen ist ein Beispiel für ein Feedforward-Netz?

Accepted Answer

Perzeptron

Answer

Transformer

Answer

Convolutionales neuronales Netzwerk

Answer

Rekurrentes neuronales Netzwerk

Question 19

Welche Metrik wird häufig zur Bewertung der Leistung von Klassifikationsmodellen verwendet?

Accepted Answer

Genauigkeit (Anteil korrekt klassifizierter Instanzen)

Answer

Korrelationskoeffizient

Answer

Mittelwertquadratischer Fehler

Answer

R-Quadrat

Question 20

Was ist der Hauptzweck der Regularisierung bei neuronalen Netzen?

Accepted Answer

Überanpassung zu vermeiden

Answer

Die Trainingszeit zu verkürzen

Answer

Die Modellkomplexität zu erhöhen

Question 21

Welche Aussage über Convolutional Neural Networks (CNNs) ist korrekt?

Accepted Answer

Sie sind für die Verarbeitung von Daten in Rasterform (z. B. Bilder) konzipiert.

Answer

Sie können nur für Klassifizierungsaufgaben verwendet werden.

Answer

Sie enthalten keine vollständig verbundenen Schichten.

Question 22

Was ist Dropout in einem neuronalen Netz?

Accepted Answer

Eine Regularisierungstechnik, die zufällig Neuronen während des Trainings auslässt

Answer

Eine Aktivierungsfunktion

Answer

Ein Optimierungsalgorithmus

Question 23

Welche Art von Aktivierungsfunktion wird typischerweise in der **letzten** Schicht eines Feedforward-Netzwerks verwendet, wenn das Ziel eine binäre Klassifizierung ist?

Accepted Answer

Sigmoid-Funktion

Answer

Tanh-Funktion

Answer

ReLU-Funktion

Question 24

Welche der folgenden Aussagen über **Überanpassung** in neuronalen Netzen ist korrekt?

Accepted Answer

Tritt auf, wenn das Modell zu komplex ist und sich zu stark an die Trainingsdaten anpasst

Answer

Tritt auf, wenn das Modell zu einfach ist und nicht genügend Daten lernt

Answer

Hat keine Auswirkungen auf die Leistung des Modells

Question 25

Welche Metrik wird häufig verwendet, um die Leistung von **binären** Klassifikationsmodellen zu messen?

Accepted Answer

AUC-ROC

Answer

Mittlerer quadratischer Fehler

Answer

Mittlerer absoluter Fehler

Answer

Kreuzvalidierungsgenauigkeit

Question 26

Welche der folgenden Schichten wird verwendet, um die Anzahl der Dimensionen in einem neuronalen Netzwerk durch **Zusammenfassen** zu reduzieren?

Accepted Answer

Max-Pooling-Schicht

Answer

Vollständig verbundene Schicht

Answer

Konvolutions-Schicht

Question 27

Was ist der Hauptunterschied zwischen **überwachtem** und **unüberwachtem** Lernen in neuronalen Netzen?

Accepted Answer

Überwachtes Lernen erfordert markierte Daten, während unüberwachtes Lernen nicht

Answer

Überwachtes Lernen ist komplexer als unüberwachtes Lernen

Answer

Unüberwachtes Lernen ist immer effizienter als überwachtes Lernen

Question 28

Welches der folgenden ist ein Vorteil von Rückwärtspropagation?

Accepted Answer

Ermöglicht Lernen aus komplexen Daten

Answer

Benötigt weniger Rechenleistung

Answer

Ist für alle Arten von neuronalen Netzen geeignet

Answer

Verhindert Überanpassung

Question 29

Was ist die Aktivierungsfunktion eines Perzeptrons?

Accepted Answer

Stufenfunktion

Answer

Tanh-Funktion

Answer

Sigmoidfunktion

Answer

ReLu-Funktion

Question 30

Was ist der Zweck einer versteckten Schicht in einem neuronalen Netzwerk?

Accepted Answer

Ermöglicht die Modellierung komplexer Beziehungen

Answer

Erhöht die Genauigkeit

Answer

Reduziert die Überanpassung

Answer

Verkürzt die Trainingszeit

Question 31

Was ist die Hauptanwendung von CNNs?

Accepted Answer

Bildverarbeitung

Answer

Zeitreihenprognose

Answer

Sprachverarbeitung

Answer

Sequenzmodellierung

Question 32

Welcher der folgenden Begriffe bezieht sich auf den Prozess der Optimierung der Gewichte eines neuronalen Netzwerks?

Accepted Answer

Training

Answer

Vorhersage

Answer

Testen

Answer

Bereitstellung

Question 33

Was ist die Rolle eines Bias-Terms in einem neuronalen Netzwerk?

Accepted Answer

Verschiebung der Aktivierungsfunktion

Answer

Verhinderung von Überanpassung

Answer

Initialisierung der Gewichte

Answer

Normalisierung der Eingaben

Question 34

Welches der folgenden ist kein Vorteil der Verwendung neuronaler Netze?

Accepted Answer

Erklären

Answer

Einordnung

Answer

Mustererkennung

Answer

Funktionsapproximation

Question 35

Welches Element eines künstlichen Neurons ahmt die Funktion der Synapse im biologischen Neuron nach?

Accepted Answer

Gewichtungen

Answer

Bias

Answer

Aktivierungsfunktion

Answer

Eingabe

Question 36

Welche Aussage über Perzeptronen ist korrekt?

Accepted Answer

Perzeptronen können nur linear trennbare Probleme lösen.

Answer

Perzeptronen verwenden eine Sigmoid-Funktion als Aktivierungsfunktion.

Answer

Perzeptronen sind in der Lage, komplexe, nichtlineare Muster zu erkennen.

Question 37

Was ist die Hauptaufgabe der Aktivierungsfunktion in einem neuronalen Netzwerk?

Accepted Answer

Einführung von Nichtlinearität in das Modell

Answer

Anpassung der Gewichte während des Trainings

Answer

Reduzierung der Dimensionalität der Eingabedaten

Answer

Berechnung des gewichteten Durchschnitts der Eingabe

Question 38

Welcher der folgenden Algorithmen wird häufig zum Trainieren von Feedforward-Netzwerken verwendet?

Accepted Answer

Backpropagation

Answer

K-Means-Clustering

Answer

Apriori-Algorithmus

Answer

Support Vector Machines

Question 39

Was ist der Zweck der Lernrate beim Trainieren eines neuronalen Netzwerks?

Accepted Answer

Steuerung der Schrittweite bei der Anpassung der Gewichte

Answer

Auswahl der geeigneten Aktivierungsfunktion

Answer

Bestimmung der Anzahl der versteckten Schichten

Question 40

Was ist ein Vorteil von tiefen neuronalen Netzen gegenüber flachen neuronalen Netzen?

Accepted Answer

Fähigkeit, komplexe, hierarchische Merkmale zu lernen

Answer

Geringerer Rechenaufwand beim Training

Answer

Einfachere Interpretierbarkeit der Ergebnisse

Question 41

Welches Problem versucht die Regularisierung beim Trainieren neuronaler Netze zu beheben?

Accepted Answer

Überanpassung an die Trainingsdaten

Answer

Unteranpassung an die Trainingsdaten

Answer

Skalierung der Eingabedaten

Answer

Wahl der richtigen Aktivierungsfunktion

Question 42

Welche Aussage über die Backpropagation ist falsch?

Accepted Answer

Backpropagation berechnet die Gewichte der Neuronen in zufälliger Reihenfolge.

Answer

Backpropagation berechnet den Fehlerterm für jedes Neuron.

Answer

Backpropagation basiert auf der Gradientenabstiegsmethode.

Question 43

Was ist ein häufig verwendetes Verfahren zur Optimierung der Hyperparameter eines neuronalen Netzwerks?

Accepted Answer

Kreuzvalidierung

Answer

A-priori-Algorithmus

Answer

Künstliche neuronale Netze (KNN)

Answer

Hauptkomponentenanalyse (PCA)

Question 44

Welche der folgenden Aufgaben eignet sich gut für die Anwendung neuronaler Netze?

Accepted Answer

Bildklassifizierung

Answer

Suche nach dem größten gemeinsamen Teiler

Answer

Abfrage einer Datenbank mit SQL

Answer

Sortieren einer Liste von Zahlen