Feedforward-Netzwerke: Struktur und Funktionsweise verstehen

Question 1

Welche Schichtart dient in Feedforward-Netzwerken dazu, die Anzahl der Neuronen zu reduzieren?

Accepted Answer

Pooling-Schicht

Answer

Vollständig verbundene Schicht

Answer

Faltungsbasierte Schicht

Answer

Normalisierungsschicht

Question 2

Welcher Hauptvorteil ergibt sich aus der Verwendung einer Sigmoid-Aktivierungsfunktion in Feedforward-Netzwerken?

Accepted Answer

Begrenzung der Ausgabe auf den Bereich [0, 1]

Answer

Vereinfachung des Trainingsprozesses

Answer

Verbesserung der Genauigkeit des Netzwerks

Answer

Erhöhte Robustheit gegenüber Rauschen

Question 3

Welche Aussage beschreibt die Bedeutung der Aktivierungsfunktion in Feedforward-Netzwerken korrekt?

Accepted Answer

Die ReLU-Funktion ist für die Aktivierung in verborgenen Schichten geeignet.

Answer

Die Aktivierungsfunktion hat keinen wesentlichen Einfluss auf die Netzwerkleistung.

Answer

Die Sigmoid-Funktion ist die beste Aktivierungsfunktion für Feedforward-Netzwerke.

Answer

Die Ausgabeschicht sollte immer eine binäre Aktivierungsfunktion verwenden.

Question 4

Welche der folgenden Aussagen beschreibt die grundlegende Struktur eines Feedforward-Netzwerks korrekt?

Accepted Answer

Es besteht aus einer Eingabeschicht, verborgenen Schichten und einer Ausgabeschicht.

Answer

Es ist ein rekursives Netzwerk.

Answer

Es hat nur eine Eingabeschicht und eine Ausgabeschicht.

Question 5

Welche Aktivierungsfunktion wird typischerweise in der Eingabeschicht von Feedforward-Netzwerken verwendet?

Accepted Answer

Lineare Aktivierungsfunktion

Answer

Tanh-Funktion

Answer

ReLU-Funktion

Answer

Sigmoid-Funktion

Question 6

Welche Aufgabe **kann** ein Feedforward-Netzwerk **nicht** lösen?

Accepted Answer

Sequenzmodellierung

Answer

Bildklassifikation

Answer

Regression

Answer

Klassifikation

Question 7

Welche Metrik wird häufig zur Bewertung der Leistung eines Feedforward-Netzwerks bei Klassifizierungsaufgaben herangezogen?

Accepted Answer

Genauigkeit (Accuracy)

Answer

F1-Score

Answer

Mittlerer quadratischer Fehler (MSE)

Question 8

Welche Optimierungsmethode wird verwendet, um die Gewichte in einem Feedforward-Netzwerk anzupassen?

Accepted Answer

Rückwärtsausbreitung

Answer

Lineare Regression

Answer

Neuronale Maschinelle Übersetzung (NMT)

Answer

Prinzipalkomponentenanalyse (PCA)

Question 9

Welche der folgenden Aussagen über versteckte Schichten in einem Feedforward-Netzwerk ist zutreffend?

Accepted Answer

Sie lernen, Merkmale aus den Eingabedaten zu extrahieren.

Answer

Sie sind immer vollständig miteinander verbunden.

Answer

Sie sind für die endgültige Vorhersage verantwortlich.

Answer

Sie haben keinen Einfluss auf die Leistung des Netzwerks.

Question 10

Was ist ein Hyperparameter in einem Feedforward-Netzwerk?

Accepted Answer

Ein Parameter, der das Verhalten des Netzwerks steuert, aber nicht trainiert wird.

Answer

Ein Parameter, der aus den Trainingsdaten gelernt wird.

Answer

Ein Parameter, der die Anzahl der Neuronen in einer Schicht bestimmt.

Question 11

Welche der folgenden Einschränkungen ist mit Feedforward-Netzwerken verbunden?

Accepted Answer

Sie können keine sequentiellen Daten verarbeiten.

Answer

Sie erfordern extrem große Datenmengen für das Training.

Answer

Sie können nicht für komplexe Aufgaben eingesetzt werden.

Question 12

In welcher Schicht eines Feedforward-Netzwerks werden Eingabeinformationen verarbeitet?

Accepted Answer

Eingabeschicht

Answer

Verborgene Schicht

Answer

Ausgabeschicht

Question 13

Welche Aktivierungsfunktion wird häufig in der Ausgabeschicht von Feedforward-Netzwerken eingesetzt, um binäre Klassifizierungsprobleme zu lösen?

Accepted Answer

Sigmoid-Funktion

Answer

ReLU-Funktion

Answer

Leaky-ReLU-Funktion

Answer

Tanh-Funktion

Question 14

Welches Lernverfahren findet typischerweise Anwendung beim Training von Feedforward-Netzwerken?

Accepted Answer

Rückausbreitungsalgorithmus

Answer

Support-Vektor-Maschine

Answer

Entscheidungsbaumalgorithmus

Answer

k-NN-Algorithmus

Question 15

Weshalb unterscheiden sich Feedforward- und Feedback-Netzwerke?

Accepted Answer

In Feedforward-Netzwerken fließen Daten nur in Vorwärtsrichtung, wohingegen Daten in Feedback-Netzwerken auch rückwärts fließen können.

Answer

Feedforward-Netzwerke haben mehr Schichten als Feedback-Netzwerke.

Question 16

Welche der folgenden Aussagen beschreibt die Struktur eines Feedforward-Netzwerks korrekt?

Accepted Answer

Es besteht aus Eingabe-, versteckten und Ausgabeschichten, die in einer Vorwärtsrichtung verbunden sind.

Answer

Es hat nur eine Eingabeschicht und eine Ausgabeschicht.

Answer

Es kann rekursive Verbindungen zwischen Schichten enthalten.

Question 17

Welche Aktivierungsfunktion wird typischerweise in der Ausgabeschicht eines Feedforward-Netzwerks für eine binäre Klassifizierungsaufgabe verwendet?

Accepted Answer

Sigmoid-Funktion

Answer

Tanh-Funktion

Answer

Identitätsfunktion

Answer

ReLu-Funktion

Question 18

Wie wird der Fehler eines Feedforward-Netzwerks berechnet?

Accepted Answer

Durch Vergleich der vorhergesagten Ausgaben mit den tatsächlichen Ausgaben unter Verwendung einer geeigneten Verlustfunktion.

Answer

Durch Berechnung des Gradienten der Verlustfunktion

Answer

Durch Messung der Aktivierung der Neuronen

Question 19

Welche der folgenden Methoden ist eine gängige Optimierungsmethode für die Gewichte eines Feedforward-Netzwerks?

Accepted Answer

Gradientenabstieg

Answer

Reinforcement Learning

Answer

Genetische Algorithmen

Answer

k-Means-Clustering

Question 20

Welche Art von Problemen können Feedforward-Netzwerke nicht effektiv lösen?

Accepted Answer

Probleme mit variabler Eingangslänge oder Abhängigkeiten zwischen Eingaben über die Zeit

Answer

Klassifizierungsprobleme

Answer

Clustering-Probleme

Answer

Regressionsprobleme

Question 21

Was ist der wesentliche Unterschied zwischen einem Feedforward- und einem rekursiven neuronalen Netzwerk?

Accepted Answer

Feedforward-Netzwerke haben keine Schleifenverbindungen, während rekursive Netzwerke Schleifenverbindungen haben, die sequentielle Daten verarbeiten können.

Answer

Feedforward-Netzwerke sind schneller zu trainieren als rekursive Netzwerke.

Answer

Feedforward-Netzwerke sind genauer als rekursive Netzwerke.

Question 22

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

Accepted Answer

Vollständig verbundenes Netzwerk

Answer

CNN

Answer

LSTM

Answer

GAN

Question 23

Welche Aussage über die Rückwärtsausbreitung in Feedforward-Netzwerken ist richtig?

Accepted Answer

Sie berechnet den Fehlergradienten in Bezug auf die Gewichtungen und propagiert ihn von der Ausgabeschicht zu den Eingabeschichten zurück.

Answer

Sie berechnet die Fehler für jeden Datensatz im Trainingssatz.

Answer

Sie aktualisiert die Gewichtungen in jeder Schicht des Netzwerks.

Question 24

Welchen Vorteil bieten Hidden-Layer in einem Feedforward-Netzwerk?

Accepted Answer

Erhöhte Modellkomplexität und Repräsentationskraft, was zu verbesserter Genauigkeit führen kann.

Answer

Bessere Stabilität während des Trainings

Answer

Reduzierte Rechenkosten

Answer

Beschleunigte Konvergenz

Question 25

Warum ist die Wahl der Lernrate bei der Optimierung von Feedforward-Netzwerken entscheidend?

Accepted Answer

Sie beeinflusst die Konvergenzgeschwindigkeit, die Generalisierungsfähigkeit und die Stabilität des Trainings.

Answer

Sie ist nur für Online-Lernalgorithmen relevant.

Answer

Sie bestimmt die Anzahl der für das Training erforderlichen Iterationen.

Question 26

Worin besteht der Hauptunterschied zwischen einem dichten und einem konvolutionellen Feedforward-Netzwerk?

Accepted Answer

Dichte Netzwerke verarbeiten Daten mit fester Dimensionalität, während konvolutionelle Netzwerke speziell für die Verarbeitung von Daten mit räumlicher Struktur wie Bildern ausgelegt sind.

Answer

Dichte Netzwerke verwenden Aktivierungsfunktionen, während konvolutionelle Netzwerke Faltungsoperationen verwenden.

Question 27

Welche Aussage über die Initialisierung von Gewichtungen in Feedforward-Netzwerken ist korrekt?

Accepted Answer

Die Wahl der Initialisierungsmethode kann die Konvergenzgeschwindigkeit, die Trainingsstabilität und die Modellleistung beeinflussen.

Answer

Eine zufällige Initialisierung ist immer besser als eine deterministische Initialisierung.

Answer

Die Xavier-Initialisierung ist nur für dichte Netzwerke geeignet.

Question 28

Warum ist Regularisierung bei der Optimierung von Feedforward-Netzwerken wichtig?

Accepted Answer

Sie hilft, Überanpassung zu verhindern, verbessert die Generalisierungsfähigkeit und führt zu robusteren Modellen.

Answer

Sie beschleunigt den Trainingsprozess.

Answer

Sie ist nur für komplexe Netzwerke mit vielen Parametern erforderlich.

Question 29

Welchen Vorteil bietet die Verwendung von Batch-Normalisierung in Feedforward-Netzwerken?

Accepted Answer

Sie beschleunigt das Training, stabilisiert den Gradientenfluss und verbessert die Generalisierungsfähigkeit.

Answer

Sie reduziert die Anzahl der erforderlichen Trainingsepochen.

Answer

Sie ist für kleine Datensätze besonders effektiv.

Question 30

Welche der folgenden Schichten ist die Eingabeschicht eines Feedforward-Netzwerks, die für die Aufnahme von Rohdaten zuständig ist?

Accepted Answer

Eingabeschicht

Answer

Ausgabeschicht

Answer

Konvolutionsschicht

Answer

Verborgene Schicht

Question 31

Welcher Algorithmus wird typischerweise für das Trainieren von Feedforward-Netzwerken verwendet, um die Gewichte und Verzerrungen zu optimieren?

Accepted Answer

Backpropagation

Answer

K-Mitteln

Answer

Lineare Regression

Answer

Genetische Algorithmen

Question 32

Welche der folgenden Aussagen trifft auf die Anzahl der Epochen für das Trainieren eines Feedforward-Netzwerks zu?

Accepted Answer

Abhängig von der Komplexität des Netzwerks und des Datensatzes

Answer

100-200

Answer

50-100

Answer

10-20

Question 33

Welche Metrik wird häufig zur Bewertung der Klassifizierungsleistung von Feedforward-Netzwerken verwendet, indem der Anteil der korrekt vorhergesagten Beispiele gemessen wird?

Accepted Answer

Accuracy

Answer

RMSE

Answer

MAE

Answer

R-Quadrat

Question 34

Welches Kriterium dient dazu, zu bestimmen, wann das Training eines Feedforward-Netzwerks beendet werden soll, um eine Überanpassung zu vermeiden?

Accepted Answer

Validierungsfehler

Answer

Testfehler

Answer

Trainingsfehler

Answer

Anzahl der Epochen

Question 35

Welche der folgenden Architekturen ist eine Variante von Feedforward-Netzwerken, die für Bildverarbeitungsaufgaben spezialisiert ist?

Accepted Answer

Convolutionales neuronales Netzwerk (CNN)

Answer

Autoencoder

Answer

Generatives adversarielles Netzwerk (GAN)

Answer

Wiederkehrendes neuronales Netzwerk (RNN)

Question 36

Welche Technik ist eine effektive Methode, um die Generalisierungsfähigkeit eines Feedforward-Netzwerks zu verbessern, indem die Vielfalt der Trainingsdaten erhöht wird?

Accepted Answer

Datenerweiterung

Answer

Erhöhung der Anzahl der Schichten

Answer

Vergrößerung der Batchgröße

Answer

Verringerung der Lernrate

Question 37

Welche der folgenden Aussagen zur Struktur von Feedforward-Netzwerken ist korrekt?

Accepted Answer

Sie bestehen aus mehreren Schichten, die nacheinander angeordnet sind und in einer Vorwärtsrichtung Informationen verarbeiten.

Answer

Sie haben eine Rückkopplungsschleife zwischen den Schichten.

Answer

Sie verwenden ausschließlich sigmoidale Aktivierungsfunktionen.

Question 38

Welche Aktivierungsfunktion wird typischerweise in der Ausgabeschicht eines Feedforward-Netzwerks für ein Regressionsproblem verwendet?

Accepted Answer

Lineare Funktion

Answer

ReLU-Funktion

Answer

Tanh-Funktion

Answer

Sigmoidale Funktion

Question 39

Was ist der Hauptunterschied zwischen einem vollständig verbundenen und einem Faltungs-Feedforward-Netzwerk?

Accepted Answer

Vollständig verbundene Netzwerke verbinden jeden Knoten in einer Schicht mit jedem Knoten in der nächsten Schicht, während Faltungsnetzwerke lokale Verbindungen verwenden und Gleitfaltungskerne zur Merkmalsextraktion einsetzen.

Answer

Vollständig verbundene Netzwerke verwenden nur lineare Aktivierungsfunktionen, während Faltungsnetzwerke nichtlineare Aktivierungsfunktionen verwenden.

Question 40

Welche der folgenden Metriken wird verwendet, um die Leistung eines Feedforward-Netzwerks für ein Klassifizierungsproblem zu messen?

Accepted Answer

Genauigkeit

Answer

R-Quadrat

Answer

Mittlerer absoluter Fehler

Answer

AUC-ROC

Question 41

Welche der folgenden Aussagen zur Implementierung von Feedforward-Netzwerken ist richtig?

Accepted Answer

Sie können mithilfe von Bibliotheken wie TensorFlow und PyTorch implementiert werden.

Answer

Sie müssen vollständig in einer Programmiersprache wie C++ implementiert werden.

Answer

Sie können nur in einer Cloud-Umgebung implementiert werden.

Question 42

Welche Aktivierungsfunktion wird in der Ausgabeschicht von Feedforward-Netzwerken für die Klassifizierungsprobleme verwendet?

Accepted Answer

Softmax

Answer

Tanh

Answer

sigmoid

Answer

ReLU

Question 43

Welche Art von Lernen nutzen Feedforward-Netzwerke?

Accepted Answer

Überwachtes Lernen

Answer

Bestärkungslernen

Answer

Selbstorganisiertes Lernen

Answer

Unüberwachtes Lernen

Question 44

Welche Schicht in Feedforward-Netzwerken extrahiert Features aus den Eingabedaten?

Accepted Answer

Verborgene Schicht

Answer

Eingabeschicht

Answer

Batch-Normalisierungsschicht

Answer

Ausgabeschicht

Question 45

Welches ist der Hauptzweck der Dropout-Regularisierung in Feedforward-Netzwerken?

Accepted Answer

Überanpassung verhindern

Answer

Die Genauigkeit verbessern

Answer

Die Konvergenz beschleunigen

Answer

Die Fehlerrate reduzieren

Question 46

Welche Metrik wird zur Bewertung der Leistung von Feedforward-Netzwerken bei Klassifizierungsproblemen verwendet?

Accepted Answer

Genauigkeit

Answer

Erklärungsvarianz

Answer

R-Quadrat

Answer

Mittlerer quadratischer Fehler

Question 47

Welcher Vorteil ergibt sich aus der Verwendung von Feedforward-Netzwerken gegenüber anderen Arten von neuronalen Netzwerken?

Accepted Answer

Einfache Implementierung und Training

Answer

Robuste Handhabung von Rauschen

Answer

Hervorragende Leistung bei komplexen Problemen

Answer

Fähigkeit, sequenzielle Daten zu verarbeiten

Question 48

Welche Schicht in einem Feedforward-Netzwerk liefert die finale Ausgabe?

Accepted Answer

Ausgabeschicht

Answer

Eingabeschicht

Answer

Verborgene Schicht

Answer

Aktivierungsschicht

Question 49

Was ist ein genereller Vorteil von Feedforward-Netzwerken?

Accepted Answer

Relativ einfache Architektur und Implementierung

Answer

Immer eine hohe Genauigkeit, unabhängig von den Daten

Answer

Robustheit gegenüber verrauschten und unvollständigen Daten

Answer

Fähigkeit, komplexe Zeitreihendaten zu verarbeiten

Question 50

Was ist der Hauptzweck der Dropout-Technik in Feedforward-Netzwerken?

Accepted Answer

Überanpassung an die Trainingsdaten reduzieren

Answer

Die Trainingszeit des Netzwerks verkürzen

Answer

Das Netzwerk robuster gegenüber Datenrauschen machen

Answer

Die Genauigkeit des Modells grundsätzlich erhöhen

Question 51

Welche Architektur basiert auf dem Konzept eines Feedforward-Netzwerks?

Accepted Answer

Convolutional Neural Network (CNN)

Answer

Generative Adversarial Network (GAN)

Answer

Self-Organizing Map (SOM)

Answer

Recurrent Neural Network (RNN)

Question 52

Was ist ein grundlegender Nachteil von Feedforward-Netzwerken?

Accepted Answer

Sie können keine sequenziellen Abhängigkeiten in Daten modellieren.

Answer

Sie sind immer anfällig für Überanpassung, unabhängig von der Architektur.

Answer

Sie sind komplex zu implementieren und erfordern spezielle Hardware.

Answer

Sie benötigen immer eine extrem große Datenmenge zum Training.

Question 53

Welche der folgenden Schichten ist NICHT in einem typischen Feedforward-Netzwerk enthalten?

Accepted Answer

Rekurrente Schicht

Answer

Ausgabeschicht

Answer

Verborgene Schicht

Answer

Eingabeschicht

Question 54

Welche Aktivierungsfunktion wird für gewöhnlich in der Ausgabeschicht eines binären Klassifikationsnetzwerks verwendet?

Accepted Answer

Sigmoid

Answer

Softmax

Answer

ReLU

Answer

Tanh

Question 55

Mithilfe welcher Methode wird der Gradient in einem Feedforward-Netzwerk berechnet?

Accepted Answer

Rückwärtsausbreitung

Answer

Bayes'sche Inferenz

Answer

Lineare Regression

Answer

Vorwärtsausbreitung

Question 56

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

Accepted Answer

Reduzierung von Überanpassung

Answer

Verbesserung der Genauigkeit auf dem Trainingsdatensatz

Answer

Vereinfachung der Netzwerkarchitektur

Answer

Erhöhung der Trainingsgeschwindigkeit

Question 57

Welches Problem wird behoben, wenn Feedforward-Netzwerke über mehrere versteckte Schichten verfügen?

Accepted Answer

Nichtlineare Trennung von Daten

Answer

Optimierung von linearen Funktionen

Answer

Entfernung von Rauschen aus Daten

Answer

Lineare Regression

Question 58

Was geschieht beim Training eines Feedforward-Netzwerks mit dem Gradientenabstiegsalgorithmus?

Accepted Answer

Anpassung der Netzwerkparameter zur Fehlerminimierung

Answer

Änderung der Netzwerkarchitektur

Answer

Anpassung der Aktivierungsfunktionen

Question 59

Welche der folgenden Kennzahlen wird üblicherweise zur Bewertung der Leistung eines binären Klassifikationsnetzwerks herangezogen?

Accepted Answer

Genauigkeit

Answer

R²

Answer

Mittlere quadratische Abweichung

Answer

Kullback-Leibler-Divergenz

Question 60

Wie kann sich die Anzahl der Schichten in einem Feedforward-Netzwerk auf die Komplexität der modellierbaren Funktionen auswirken?

Accepted Answer

Mehr Schichten ermöglichen komplexere nichtlineare Beziehungen.

Answer

Mehr Schichten verlangsamen den Trainingsprozess.

Answer

Mehr Schichten führen zu einer einfacheren Netzwerkarchitektur.

Question 61

Welche der folgenden Aussagen zur ReLU-Aktivierungsfunktion ist FALSCH?

Accepted Answer

Die ReLU-Funktion ist linear

Answer

Die ReLU-Funktion ist einfacher zu berechnen als die Sigmoid-Funktion.

Answer

Die ReLU-Funktion ist stückweise linear

Answer

Die ReLU-Funktion kann zum Problem des Gradientenverschwindens beitragen.

Question 62

In welchen Szenarien eignen sich Feedforward-Netzwerke besonders gut?

Accepted Answer

Klassifizierungs- und Regressionsprobleme mit hoher Dimensionalität

Answer

Zeitreihenanalyse

Answer

Generierung von Text