230+ câu trắc nghiệm Mạng nơ-ron nhân tạo có đáp án - Phần 3
25 câu hỏi
Phân loại đối tượng
Tạo vùng đề xuất trực tiếp từ bản đồ đặc trưng
Tăng cường dữ liệu hình ảnh
Tính toán hàm mất mát
Chọn đáp án B.
Classification loss và regression loss
Clustering loss và entropy loss
Activation loss và normalization loss
Gradient loss và pooling loss
Chọn đáp án A.
VGG hoặc AlexNet
LSTM
Transformer
Autoencoder
Chọn đáp án A.
Phát hiện đối tượng nhanh hơn
Thêm phân đoạn đối tượng (instance segmentation)
Xử lý văn bản
Giảm kích thước hình ảnh
Chọn đáp án B.
Phát hiện xe trong hệ thống giao thông
Phân tích cảm xúc văn bản
Dự đoán thời tiết
Nhận diện giọng nói
Chọn đáp án A.
Huấn luyện mô hình từ đầu trên dữ liệu mới
Sử dụng mô hình đã được huấn luyện trước trên một tác vụ khác
Tạo mô hình mới từ nhiều mô hình khác
Tăng cường dữ liệu đầu vào
Chọn đáp án B.
Các lớp fully connected cuối
Các lớp convolutional đầu tiên
Hàm kích hoạt
Hàm mất mát
Chọn đáp án B.
Huấn luyện lại toàn bộ mô hình
Chỉ huấn luyện một số lớp của mô hình trên dữ liệu mới
Loại bỏ các lớp không cần thiết
Tăng số lượng lớp ẩn
Chọn đáp án B.
Khi có lượng dữ liệu lớn và thời gian huấn luyện không giới hạn
Khi dữ liệu mới hạn chế và tác vụ tương tự tác vụ gốc
Khi không có mô hình nào được huấn luyện trước
Khi dữ liệu hoàn toàn không liên quan
Chọn đáp án B.
Học thông minh hơn mỗi ngày
Xem toàn bộ 25 câu hỏi và nhiều hơn nữa với tài khoản miễn phí
ResNet, VGG, hoặc Inception
LSTM hoặc GRU
Transformer
Autoencoder
Chọn đáp án A.
Khi dữ liệu mới rất lớn
Khi dữ liệu mới rất nhỏ và tác vụ gần giống
Khi mô hình gốc không hiệu quả
Khi cần thay đổi cấu trúc mô hình
Chọn đáp án B.
Overfitting trên dữ liệu mới
Hiệu suất kém trên tác vụ mới
Chi phí tính toán quá cao
Mất toàn bộ đặc trưng gốc
Chọn đáp án B.
Tạo dữ liệu tổng hợp
Huấn luyện trước mô hình
Kiểm tra hiệu suất mô hình
Giảm kích thước hình ảnh
Chọn đáp án B.
Xử lý ngôn ngữ tự nhiên (NLP)
Nhận diện giọng nói
Phân tích thời gian thực
Tất cả các lĩnh vực trên
Chọn đáp án D.
Phân loại bệnh lý y tế với dữ liệu hình ảnh hạn chế
Phân tích dữ liệu thời tiết lớn
Tạo âm thanh tổng hợp
Xử lý văn bản dài
Chọn đáp án A.
Tăng cường chất lượng hình ảnh
Tạo văn bản mô tả nội dung hình ảnh
Phát hiện đối tượng trong hình ảnh
Phân loại hình ảnh
Chọn đáp án B.
CNN
RNN
Transformer
Fully connected layer
Chọn đáp án A.
RNN hoặc LSTM
K-means clustering
Decision Tree
SVM
Chọn đáp án A.
Tăng tốc độ xử lý hình ảnh
Tập trung vào các vùng quan trọng khi sinh từ
Loại bỏ nhiễu hình ảnh
Giảm số lượng từ trong chú thích
Chọn đáp án B.
Cross-entropy loss
Mean squared error
Hinge loss
KL-divergence
Chọn đáp án A.
Tăng cường dữ liệu hình ảnh
Tìm kiếm chuỗi từ tốt nhất cho chú thích
Giảm kích thước mô hình
Tính toán gradient
Chọn đáp án B.
Chú thích không liên quan đến hình ảnh
Chi phí tính toán tăng cao
Hình ảnh bị nhiễu
Mô hình không hội tụ
Chọn đáp án A.
Thay thế hoàn toàn CNN
Kết hợp với CNN để sinh chú thích
Chỉ sử dụng cho xử lý văn bản
Loại bỏ RNN
Chọn đáp án B.
ImageNet
MS COCO
MNIST
CIFAR-10
Chọn đáp án B.
Tạo mô tả tự động cho hình ảnh trên mạng xã hội
Phân tích dữ liệu thời tiết
Nhận diện giọng nói
Dự đoán gen
Chọn đáp án A.
Bạn có thích hoạt động này không?
Hãy lưu hoặc chia sẻ nội dung này đến mọi người.
Gợi ý cho bạn
Ý tưởng của bạn, bài học của bạn
Tự thiết kế đề thi, bài giảng hoặc flashcard theo cách riêng.
Học liệu phổ biến Trắc nghiệm tổng hợp
Trắc nghiệm tổng hợp
Bài tập vừa sức, đúng lớp
Chọn nội dung phù hợp và tạo hoạt động cho lớp của bạn.
