Wiederkehrende neuronale Netze (RNNs): Quiz und Übungen

Question 1

Welche der folgenden Aussagen beschreibt korrekt die Funktionsweise von rekurrierenden neuronalen Netzen (RNNs)?

Accepted Answer

Sie modellieren Abhängigkeiten zwischen Elementen in einer sequentiellen Datenstruktur.

Answer

Sie verarbeiten Eingaben nur in einer Richtung.

Answer

Sie erfordern keine Rückkopplungsschleifen.

Answer

Sie können keine Langzeitausprägungen lernen.

Question 2

Was ist ein wesentlicher Vorteil von RNNs gegenüber herkömmlichen neuronalen Netzen?

Accepted Answer

Fähigkeit zur Verarbeitung sequentieller Daten

Answer

Unbegrenzte Eingabe- und Ausgabelänge

Answer

Höhere Effizienz

Answer

Weniger Anfälligkeit für Überanpassung

Question 3

Was ist das Hauptmerkmal bidirektionaler RNNs (BRNNs)?

Accepted Answer

Verarbeitung von Eingaben in beiden Richtungen einer Sequenz

Answer

Verwendung ausschließlich von LSTM-Zellen

Answer

Verbesserte Genauigkeit gegenüber unidirektionalen RNNs

Answer

Reduzierter Bedarf an Trainingsparametern

Question 4

Nenne den Zweck einer Aktivierungsfunktion in RNNs.

Accepted Answer

Einführung von Nichtlinearität

Answer

Einschränkung des Ausgabebereichs

Answer

Verhinderung von Überanpassung

Answer

Verkürzung der Trainingszeit

Question 5

Welche Aktivierungsfunktion wird üblicherweise in LSTM-Einheiten eingesetzt?

Accepted Answer

Tanh

Answer

Sigmoid

Answer

ReLU

Answer

Leaky ReLU

Question 6

Wie wird das Problem des verschwindenden Gradienten in RNNs gelöst?

Accepted Answer

Durch Verwendung von LSTM- oder GRU-Einheiten

Answer

Durch Hinzufügen von Bias-Termen

Answer

Durch Reduzieren der Lernrate

Answer

Durch Erhöhen der Anzahl der verborgenen Einheiten

Question 7

Was ist der Hauptunterschied zwischen LSTM und GRU?

Accepted Answer

GRU hat einen einfacheren Zellenzustand als LSTM

Answer

LSTM hat mehr Tore als GRU

Answer

LSTM ist für kürzere Sequenzen geeignet als GRU

Answer

GRU ist rechenintensiver als LSTM

Question 8

Wie wird ein RNN für die Verarbeitung natürlicher Sprache (NLP) vorbereitet?

Accepted Answer

Durch Tokenisierung und Vektorisierung des Texts

Answer

Durch Berechnung der Wortähnlichkeit

Answer

Durch Extraktion syntaktischer Merkmale

Answer

Durch Reduzierung des Wortschatzes

Question 9

Wie funktionieren bidirektionale RNNs und in welchen Bereichen werden sie eingesetzt?

Accepted Answer

Bidirektionale RNNs können Langzeitabhängigkeiten in sequentiellen Daten erfassen, indem sie Kontexte aus beiden Richtungen nutzen.

Accepted Answer

Bidirektionale RNNs finden Anwendung in Bereichen wie maschineller Übersetzung und Spracherkennung.

Answer

Bidirektionale RNNs verarbeiten Eingaben nur in eine Richtung.

Answer

Bidirektionale RNNs haben immer nur eine verborgene Schicht.

Question 10

Welcher der folgenden Typen ist ein grundlegendes wiederkehrendes neuronales Netzwerk (RNN)?

Accepted Answer

Lange Kurzzeitgedächtnis (LSTM)

Answer

Feedforward-neuronales Netz

Answer

Boltzmann-Maschine

Answer

Konvolutionelles neuronales Netz (CNN)

Question 11

Welcher der folgenden Vorteile zeichnet LSTMs im Vergleich zu herkömmlichen RNNs aus?

Accepted Answer

Sie können langfristige Abhängigkeiten lernen.

Answer

Sie bieten eine verbesserte Genauigkeit bei großen Datasets.

Answer

Sie haben eine höhere Speicherkapazität.

Answer

Sie weisen eine höhere Rechengeschwindigkeit auf.

Question 12

Welche Metrik wird häufig zur Bewertung der Leistung von RNNs bei der Vorhersage zeitlicher Abfolgen verwendet?

Accepted Answer

Mittlerer absoluter Fehler (MAE)

Answer

ROC-Kurve

Answer

Genauigkeit

Answer

F1-Score

Question 13

Welcher Optimierungsalgorithmus ist besonders für das Training von RNNs geeignet?

Accepted Answer

Adam

Answer

AdaGrad

Answer

SGD

Answer

RMSProp

Question 14

Welche der folgenden Anwendungen ist ein Beispiel für den Einsatz von RNNs in der Verarbeitung natürlicher Sprache (NLP)?

Accepted Answer

Maschinelle Übersetzung

Answer

Objekterkennung

Answer

Spracherkennung

Answer

Bildklassifizierung

Question 15

Welcher der folgenden Datentypen eignet sich am besten für RNNs?

Accepted Answer

Zeitreihen

Answer

Statische Bilder

Answer

Relationale Datenbanken

Answer

Unstrukturierte Dokumente

Question 16

Welches Konzept ermöglicht es RNNs, sequenzielle Daten zu verarbeiten, indem es Informationen über mehrere Zeitschritte hinweg speichert?

Accepted Answer

Zustandszellen

Answer

Attention-Mechanismus

Answer

Faltungsoperationen

Answer

Pooling-Mechanismus

Question 17

Welche Aktivierungsfunktion wird üblicherweise in LSTM-Zellen eingesetzt?

Accepted Answer

Hyperbolischer Tangens (Tanh)

Answer

ReLu

Answer

Sigmoid

Answer

Softmax

Question 18

Welcher Vorteil macht GRU-Zellen im Vergleich zu LSTM-Zellen attraktiv?

Accepted Answer

Geringerer Rechenaufwand

Answer

Höhere Genauigkeit

Answer

Erweiterte funktionale Möglichkeiten

Answer

Verbesserte Handhabung von Langzeitabhängigkeiten

Question 19

Welcher Mechanismus wird in RNNs verwendet, um den Gradientenfluss über eine Reihe von Zeitschritten aufrechtzuerhalten?

Accepted Answer

Backpropagation through time (BPTT)

Answer

Early stopping

Answer

Dropout

Answer

Forward pass

Question 20

Welche Metrik wird häufig zur Bewertung der Leistung von RNNs in Aufgaben der natürlichen Sprachverarbeitung verwendet?

Accepted Answer

BLEU-Score

Answer

AUC

Answer

F1-Score

Answer

R-Quadrat

Question 21

Welches Problem kann beim Training von RNNs auftreten, das zu einer Verschlechterung der Leistung führt?

Accepted Answer

Verschwindender Gradient

Answer

Moduskollaps

Answer

Überanpassung

Answer

Unteranpassung

Question 22

Welche Technik wird eingesetzt, um wichtige Teile von Eingabedaten zu identifizieren und darauf zu fokussieren, um Langzeitabhängigkeiten zu erfassen?

Accepted Answer

Aufmerksamkeit

Answer

Faltung

Answer

Normalisierung

Answer

Pooling

Question 23

Welche Bibliothek wird häufig für die Implementierung von RNNs verwendet und bietet eine umfassende Auswahl an Werkzeugen?

Accepted Answer

Keras

Answer

NumPy

Answer

Scikit-learn

Answer

Pandas

Question 24

Was ist der entscheidende Unterschied zwischen einem einfachen RNN und einer LSTM-Zelle in Bezug auf ihre Architektur?

Accepted Answer

LSTM-Zellen verfügen über Zustandszellen, die Informationen über mehrere Zeitschritte hinweg speichern können

Answer

Einfache RNNs haben einen Rückkopplungspfad, während LSTM-Zellen dies nicht tun

Answer

LSTM-Zellen verwenden eine andere Aktivierungsfunktion als einfache RNNs

Question 25

Welche der folgenden Aussagen beschreibt am besten die Funktionsweise eines Rekursiven Neuronalen Netzes (RNN)?

Accepted Answer

RNNs verwenden vergangene Eingaben, um zukünftige Ausgaben vorherzusagen, indem sie Informationen über die zeitliche Abfolge speichern.

Answer

RNNs sind statische Netzwerke, die Eingaben in einer einzigen Schicht verarbeiten, ohne Informationen aus der Vergangenheit zu berücksichtigen.

Question 26

Welches der folgenden Probleme kann durch den Einsatz von RNNs gelöst werden?

Accepted Answer

Maschinelle Übersetzung

Answer

Bildklassifizierung

Answer

Objekterkennung

Answer

Spam-Erkennung

Question 27

Was ist der Hauptvorteil von Long Short-Term Memory (LSTM)-Zellen im Vergleich zu traditionellen RNNs?

Accepted Answer

LSTMs können langfristige Abhängigkeiten in Zeitreihen lernen und Informationen über längere Zeiträume speichern.

Answer

LSTMs benötigen weniger Rechenleistung als traditionelle RNNs.

Question 28

Welche der folgenden Aufgaben eignet sich am besten für den Einsatz eines Gated Recurrent Unit (GRU)-Netzwerks?

Accepted Answer

Sentimentanalyse von Texten

Answer

Schallquellenlokalisierung

Answer

Objekterkennung in Bildern

Answer

Bildkompression

Question 29

Welche der folgenden Komponenten ist NICHT Teil einer LSTM-Zelle?

Accepted Answer

Faltungsschicht

Answer

Eingabe-Tor

Answer

Ausgabe-Tor

Answer

Vergessens-Tor

Question 30

Welche der folgenden Aussagen beschreibt das Problem des Gradientenverschwindens in RNNs?

Accepted Answer

Beim Rückwärtsausbreitungsalgorithmus können Gradienten exponentiell klein werden, wodurch es schwierig wird, langfristige Abhängigkeiten zu lernen.

Answer

Gradienten können exponentiell groß werden, was zu Instabilität im Trainingsprozess führt.

Question 31

Wie werden RNNs typischerweise für die Zeitreihenanalyse verwendet?

Accepted Answer

RNNs werden trainiert, um zukünftige Werte basierend auf vergangenen Werten vorherzusagen.

Answer

RNNs werden verwendet, um Muster in Zeitreihen zu erkennen und zu klassifizieren.

Answer

RNNs werden zur Kompression von Zeitreihen verwendet.

Question 32

Welche der folgenden Techniken kann zur Verbesserung der Leistung von RNNs im Trainingsprozess verwendet werden?

Accepted Answer

Batch-Normalisierung

Answer

Feature-Engineering

Answer

Kreuzvalidierung

Answer

Clustering

Question 33

Welche der folgenden Metriken wird typischerweise zur Bewertung der Leistung von RNNs in der Verarbeitung natürlicher Sprache verwendet?

Accepted Answer

BLEU-Score

Answer

Genauigkeit (Precision)

Answer

F1-Score

Answer

Recall

Question 34

Welche der folgenden Aussagen beschreibt den Unterschied zwischen LSTMs und GRUs?

Accepted Answer

GRUs haben weniger Parameter als LSTMs und sind daher leichter zu trainieren.

Answer

GRUs sind besser geeignet für die Verarbeitung von Bildern als LSTMs.

Answer

LSTMs haben eine größere Rechenleistung als GRUs.