Нейронные сети.ои(sa) (21 ответ на тест Синергия / МОИ / МТИ / МосАП)

Учебные материалы

1           Введение в нейронные сети

2           Полносвязные нейронные сети

3           Элементы теории оптимизации

4           Обучение нейронных сетей

5           Сверточные нейронные сети

6           Рекуррентные нейронные сети. 1 Часть

7           Рекуррентные нейронные сети. 2 Часть

8           Tips and Tricks

9           Pytorch

10        Векторные представления слов

11        Нейронные сети-трансформеры

Алгоритм Backpropagation:

Архитектура полносвязной нейронные сети основана на идее

Все описанные в лекции алгоритмы обладают общим свойством. Каким?

Градиентные методы оптимизации

Задача классификации – это задача

Задачу машинного обучения можно представить в виде последовательности выполнения действий по выбору оптимальной решающей функции f из многопараметрического семейства F. Задача обучения сводится к задаче оптимизации на этапе:

Идея Momentum состоит в:

Лучший способ борьбы с переобучением:

Метод подбора адаптированного learning rate на основе оценки исторических градиентов:

Наиболее популярный на текущий момент метод оптимизации, основанный на идее использования двух моментных членов, предложенный в 2015 году:

Начальная инициализация весов нейросети:

Нейронные сети бывают следующих видов:

Нейронные сети, наиболее часто применяющиеся в CV – это

Обучение нейронной сети – это применение алгоритма оптимизации для решения задачи

Обучение с учителем характеризуется

Отметьте верные высказывания о функциях активации:

Переобучение – это эффект, возникающий при

При прямом проходе через Feed Forward Neural Network:

Производная сигмоиды выражается через саму сигмоиду аналитически, как

Условия Каруша-Куна-Таккера применимы для решения:

Функции активации в нейронных сетях: