Neuronale Netze: Quizfragen und Übungen für Informatik-Studierende

Question 1

Eine grundlegende Funktion eines neuronalen Netzes ist die:

Accepted Answer

Mustererkennung

Answer

Lösungserstellung

Answer

Statistische Analyse

Answer

Datenvisualisierung

Question 2

Welche Art von neuronalem Netz eignet sich besonders für die Verarbeitung von Datenfolgen?

Accepted Answer

Recurrent Neural Network (RNN)

Answer

Convolutional Neural Network (CNN)

Answer

Feedforward Neural Network

Answer

Radial Basis Function Network

Question 3

Welcher Algorithmus wird üblicherweise zur Optimierung der Gewichtungen in neuronalen Netzen eingesetzt?

Accepted Answer

Gradientenabstieg

Answer

Neuronale Induktionsmethode

Answer

Lineare Regressionsanalyse

Answer

Evolutionärer Algorithmus

Question 4

Welcher Teil eines neuronalen Netzes empfängt die Eingabedaten?

Accepted Answer

Eingabeschicht

Answer

Verborgene Schicht

Answer

Ausgabeschicht

Answer

Faltungsschicht

Question 5

Welches Problem kann bei der Verwendung neuronaler Netze aufgrund von Überanpassung auftreten?

Accepted Answer

Schlechte Generalisierungsleistung

Answer

Lange Trainingszeiten

Answer

Instabile Gewichtungen

Answer

Unzureichende Trainingsdaten

Question 6

Welches ist die Hauptfunktion eines neuronalen Netzes?

Accepted Answer

Muster in Daten identifizieren

Answer

Komplexe Berechnungen durchführen

Answer

Menschen bei kreativen Aufgaben unterstützen

Answer

Geräte steuern

Question 7

Welche Art von neuronalem Netzwerk wird häufig zur Verarbeitung von Bilddaten eingesetzt?

Accepted Answer

Convolutional Neural Network (CNN)

Answer

Recurrent Neural Network (RNN)

Answer

Generative Adversarial Network (GAN)

Answer

Boltzmann-Maschine

Question 8

Welcher Algorithmus wird üblicherweise zum Trainieren neuronaler Netze verwendet?

Accepted Answer

Rückausbreitung

Answer

K-Means-Clustering

Answer

Naive Bayes

Answer

Support-Vektor-Maschine

Question 9

Welche Schicht in einem neuronalen Netz bestimmt die Aktivierung eines Neurons?

Accepted Answer

Aktivierungsschicht

Answer

Eingabeschicht

Answer

Verborgene Schicht

Answer

Ausgabeschicht

Question 10

Welche Metrik wird zur Messung der Leistung eines neuronalen Netzes verwendet?

Accepted Answer

Alle genannten Punkte

Answer

Genauigkeit

Answer

F1-Score

Answer

Area Under the Curve (AUC)

Question 11

Welche Art von neuronalem Netz eignet sich am besten für die Erkennung von Objekten in Bildern?

Accepted Answer

Convolutional Neural Network (CNN)

Answer

Recurrent Neural Network (RNN)

Answer

Generative Adversarial Network (GAN)

Answer

Autoencoder

Question 12

Welcher Hyperparameter steuert die Lernrate während des Trainings eines neuronalen Netzes?

Accepted Answer

Lernrate

Answer

Batchgröße

Answer

Epochs

Answer

Dropout

Question 13

Welcher Begriff beschreibt die Fähigkeit eines neuronalen Netzes, neue Daten zu verallgemeinern?

Accepted Answer

Generalisierung

Answer

Überanpassung

Answer

Unteranpassung

Answer

Regularisierung

Question 14

Erläutere die grundlegenden Prinzipien des Gradientenabstiegs und seine Anwendung zur Verlustminimierung in neuronalen Netzen.

Accepted Answer

Der Gradientenabstieg ist eine iterative Methode, die die Gewichte eines neuronalen Netzes anpasst, indem sie dem negativen Gradienten des Verlustes folgt, um den Verlust zu minimieren.

Answer

Der Gradientenabstieg wird verwendet, um die Architektur eines neuronalen Netzes zu optimieren, indem die Anzahl der Schichten und Neuronen angepasst wird.

Answer

Der Gradientenabstieg ist eine deterministische Methode, die garantiert die globale Minimallösung für den Verlust findet.

Question 15

Welche Art neuronaler Netze eignet sich aufgrund ihrer spezifischen Architektur am besten für Bildverarbeitungsaufgaben?

Accepted Answer

Convolutionale neuronale Netze (CNNs)

Answer

Rekurrente neuronale Netze (RNNs)

Answer

Multilayer-Perzeptrone (MLPs)

Answer

Generative Adversarial Networks (GANs)

Question 16

Welche der folgenden Aussagen trifft **nicht** auf neuronale Netze zu?

Accepted Answer

Sie benötigen immer eine sehr große Menge an Trainingsdaten.

Answer

Sie sind von der Funktionsweise des menschlichen Gehirns inspiriert.

Answer

Sie können komplexe Muster in Daten identifizieren.

Answer

Sie können für Klassifizierungs- und Regressionsaufgaben eingesetzt werden.

Question 17

Welche der folgenden Architekturen stellt ein Beispiel für ein Convolutional Neural Network (CNN) dar?

Accepted Answer

ResNet

Answer

Feedforward-Netzwerk

Answer

Autoencoder

Answer

Transformer

Question 18

Welche Art von neuronalem Netz eignet sich am besten für die Verarbeitung von Sequenzdaten wie Text oder Audio?

Accepted Answer

Recurrent Neural Network (RNN)

Answer

Convolutional Neural Network (CNN)

Answer

Feedforward-Netzwerk

Answer

Autoencoder

Question 19

Welche der folgenden Aussagen über neuronale Netze ist **falsch**?

Accepted Answer

Sie sind immer für jedes Problem geeignet.

Answer

Sie können aus begrenzten Daten lernen.

Answer

Sie sind in der Regel rechenintensiv.

Answer

Sie können interpretierbar sein.

Question 20

Welches der folgenden neuronalen Netzwerkmodelle ist für die Verarbeitung sequenzieller Daten geeignet?

Accepted Answer

Recurrent Neural Network (RNN)

Answer

Convolutional Neural Network (CNN)

Answer

Autoencoder

Answer

Generative Adversarial Network (GAN)

Question 21

Welche Funktion in einem neuronalen Netzwerk bestimmt die Aktivierung der Neuronen?

Accepted Answer

Aktivierungsfunktion

Answer

Kostenfunktion

Answer

Regularisierungsfunktion

Answer

Fehlerfunktion

Question 22

Welche Verlustfunktion wird typischerweise für Klassifizierungsprobleme in Neuronalen Netzwerken verwendet?

Accepted Answer

Kreuzentropie

Answer

Mittlerer absoluter Fehler

Answer

Mittlerer quadratischer Fehler

Answer

Logistische Regression

Question 23

Welcher Datentyp wird in der Regel als Eingabe in Convolutional Neural Networks (CNNs) verwendet?

Accepted Answer

Bilder

Answer

Tabellen

Answer

Texte

Answer

Sequenzen

Question 24

Welche der folgenden Anwendungen ist ein geeignetes Einsatzgebiet für ein neuronales Netzwerk?

Accepted Answer

Bilderkennung

Answer

Lösen von Gleichungen

Answer

Lineare Regression

Answer

Sortierung von Listen

Question 25

Wie wird der Prozess der Anpassung der Gewichte und Vorspannungen eines Neuronalen Netzwerks bezeichnet?

Accepted Answer

Training

Answer

Validierung

Answer

Bereitstellung

Answer

Inferenz

Question 26

Welche Metrik wird zur Messung der Leistung eines Neuronalen Netzwerks bei Klassifizierungsaufgaben verwendet?

Accepted Answer

Genauigkeit

Answer

Mittlerer Fehler

Answer

Varianz

Answer

Abweichung

Question 27

Welche Schicht in einem Neuronalen Netzwerk dient zur Erkennung lokaler Merkmale in Bildern?

Accepted Answer

Faltungsschicht

Answer

Vollständig verbundene Schicht

Answer

Aktivierungsschicht

Answer

Pooling-Schicht

Question 28

Welcher der folgenden Algorithmen ist ein Beispiel für unüberwachtes Lernen?

Accepted Answer

K-Means-Clustering

Answer

Überwachte Regression

Answer

Neuronale Netzwerke mit Rückkopplung

Answer

Verstärkungslernen

Question 29

Welche der folgenden Aussagen beschreibt die Architektur eines Neuronalen Netzwerks am besten?

Accepted Answer

Mehrere Schichten von Einheiten, die durch Gewichte verbunden sind

Answer

Eine hierarchische Struktur mit rekursiven Verbindungen, die sequentielle Daten verarbeiten

Answer

Eine einzelne Schicht von Einheiten

Question 30

Welche der folgenden Aktivierungsfunktionen ist im Kontext neuronaler Netze die gebräuchlichste?

Accepted Answer

Sigmoid-Funktion

Answer

Gaußsche Funktion

Answer

Lineare Funktion

Answer

Parabelfunktion

Question 31

Welche Art von neuronalem Netzwerk ist speziell für die Verarbeitung sequentieller Daten ausgelegt?

Accepted Answer

Recurrent Neural Network (RNN)

Answer

Convolutional Neural Network (CNN)

Answer

Feedforward-Netzwerk

Answer

Autoencoder

Question 32

Was ist der Hauptzweck der Rückwärtspropagation in neuronalen Netzen?

Accepted Answer

Anpassung der Gewichte zur Reduzierung des Fehlers

Answer

Berechnung der Ausgabe

Answer

Initialisierung der Gewichte

Answer

Transformation der Eingabedaten

Question 33

Für welchen Anwendungsbereich sind neuronale Netze besonders gut geeignet?

Accepted Answer

Bilderkennung

Answer

Datenbanken verwalten

Answer

Steuererklärungen einreichen

Question 34

Was versteht man unter Überanpassung im Kontext neuronaler Netze?

Accepted Answer

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

Answer

Ein Modell, das auf den Trainingsdaten sehr schlecht abschneidet

Answer

Ein Modell, das sich nicht verbessern kann

Question 35

Welches Problem kann durch den Einsatz von Regularisierungstechniken in neuronalen Netzen behoben werden?

Accepted Answer

Überanpassung

Answer

Verschwindender Gradient

Answer

Explodierender Gradient

Answer

Unteranpassung

Question 36

Welche Architektur ist charakteristisch für Convolutional Neural Networks (CNNs)?

Accepted Answer

Gefaltete Schichten und Pooling-Schichten

Answer

Wiederkehrende Schichten

Answer

Vollständig verbundene Schichten

Answer

Maxout-Schichten

Question 37

Welchen Vorteil bietet die Verwendung von GPUs beim Training neuronaler Netze?

Accepted Answer

Erhöhte Rechenleistung

Answer

Geringerer Stromverbrauch

Answer

Verbesserte Datensicherheit

Answer

Einfachere Implementierung

Question 38

Welche der folgenden Aussagen über neuronale Netze ist **NICHT** korrekt?

Accepted Answer

Neuronale Netze können keine neuen Informationen lernen.

Answer

Neuronale Netze sind von der Funktionsweise des menschlichen Gehirns inspiriert.

Question 39

Welche Art von neuronalem Netzwerk eignet sich am besten für die Verarbeitung von sequenziellen Daten wie Sprache oder Zeitreihen?

Accepted Answer

Rekurrente Neuronale Netze (RNNs)

Answer

Feedforward-Neuronale Netze

Answer

Convolutionale Neuronale Netze (CNNs)

Answer

Neuronale Netzwerke mit radialem Basis.

Question 40

Welchen Zweck erfüllt die Aktivierungsfunktion in einem neuronalen Netzwerk?

Accepted Answer

Einfügen von Nichtlinearität in das Netzwerk

Answer

Skalierung der Eingangsdaten

Answer

Durchführung der Gewichtungsanpassungen

Answer

Berechnung der Fehlerfunktion

Question 41

Welche Methode wird verwendet, um die Gewichte in einem neuronalen Netzwerk während des Trainings anzupassen?

Accepted Answer

Gradientenabstieg

Answer

K-Means-Clustering

Answer

Bayes'sche Inferenz

Answer

Lineare Regression

Question 42

Welche der folgenden Aussagen über Backpropagation ist **KORREKT**?

Accepted Answer

Backpropagation berechnet die Gradienten der Fehlerfunktion.

Answer

Backpropagation ist eine Methode zur Datenvorverarbeitung.

Answer

Backpropagation wird verwendet, um neue Neuronen im Netzwerk hinzuzufügen.

Question 43

Welche der folgenden Anwendungen ist **KEINE** typische Anwendung für neuronale Netze?

Accepted Answer

Automatische Dokumentensortierung in alphabetischer Reihenfolge

Answer

Spracherkennung

Answer

Bildklassifizierung

Question 44

Was versteht man unter einem Convolutional Neural Network (CNN)?

Accepted Answer

Ein neuronales Netzwerk, das speziell für die Verarbeitung von Bilddaten entwickelt wurde.

Answer

Ein neuronales Netzwerk mit einer sehr großen Anzahl von Neuronen.

Answer

Ein neuronales Netzwerk, das für die Verarbeitung von Textdaten verwendet wird.

Question 45

Welche Aussage über die Architektur von Convolutional Neural Networks (CNNs) ist **KORREKT**?

Accepted Answer

CNNs verwenden Faltungsschichten zur Extraktion räumlicher Merkmale.

Answer

CNNs benötigen keine Aktivierungsfunktionen.

Answer

CNNs verarbeiten ausschließlich sequenzielle Daten.

Question 46

Welche der folgenden Aussagen beschreibt am besten die Architektur eines Convolutional Neural Network (CNN)?

Accepted Answer

Eine hierarchische Struktur, die aus Schichten aus Faltungs- und Pooling-Operationen besteht.

Answer

Ein rekurrentes Netzwerk mit Lang- und Kurzzeitgedächtnis.

Answer

Ein Feedforward-Netzwerk mit einer einzigen verborgenen Schicht.

Question 47

Welcher Typ neuronaler Netze eignet sich am besten für die Verarbeitung von Sequenzdaten?

Accepted Answer

Recurrent Neural Networks (RNNs)

Answer

Deep Belief Networks (DBNs)

Answer

Convolutional Neural Networks (CNNs)

Answer

Autoencoder

Question 48

Welche Metrik wird üblicherweise zur Bewertung der Leistung eines neuronalen Netzes verwendet?

Accepted Answer

Verlustfunktion

Answer

F1-Score

Answer

Genauigkeit

Answer

Korrelationskoeffizient

Question 49

Was ist der Hauptzweck der Aktivierungsfunktion in einem neuronalen Netz?

Accepted Answer

Nicht-Linearität einzuführen.

Answer

Das Netzwerk zu trainieren.

Answer

Die Gewichte zu initialisieren.

Answer

Den Netzwerkverlauf zu regularisieren.

Question 50

Welche Technik wird verwendet, um Überanpassung in neuronalen Netzen zu verhindern?

Accepted Answer

Regularisierung

Answer

Kreuzvalidierung

Answer

Initialisierung

Answer

Dropout

Question 51

Was ist der Unterschied zwischen Vorwärts- und Rückwärtspropagation in einem neuronalen Netz?

Accepted Answer

Vorwärtspropagation berechnet die Ausgabe, während Rückwärtspropagation den Fehler berechnet.

Answer

Vorwärtspropagation ist die Trainingsphase, während Rückwärtspropagation die Testphase ist.

Answer

Vorwärtspropagation aktualisiert die Gewichte, während Rückwärtspropagation die Eingaben aktualisiert.

Question 52

Welche der folgenden Architekturen wird in Generative Adversarial Networks (GANs) verwendet?

Accepted Answer

Zwei konkurrierende Netzwerke: Generator und Diskriminator.

Answer

Ein rekurrentes Netzwerk mit Speicherzellen.

Answer

Ein mehrstufiges Feedforward-Netzwerk.

Question 53

Was ist der Hauptvorteil der Verwendung von Batch-Normalisierung in neuronalen Netzen?

Accepted Answer

Beschleunigt die Konvergenz und stabilisiert das Training.

Answer

Verbessert die Genauigkeit.

Answer

Reduziert die Überanpassung.

Question 54

Welche Art von Lernalgorithmus wird üblicherweise für das Training neuronaler Netze verwendet?

Accepted Answer

Gradientenabstieg

Answer

Support Vector Machines

Answer

K-Means-Clustering

Answer

Entscheidungsbäume

Question 55

Was ist der Zweck des Dropout in neuronalen Netzen?

Accepted Answer

Reduziert Überanpassung durch zufälliges Ausblenden von Einheiten.

Answer

Beschleunigt das Training.

Answer

Erhöht die Gesamtgenauigkeit.

Question 56

Welches Element in einem neuronalen Netzwerk ist für die Anpassung der Gewichte während des Trainings verantwortlich?

Accepted Answer

Backpropagation

Answer

Aktivierungsfunktion

Answer

Eingabevektor

Question 57

Welche der folgenden Aussagen über Convolutional Neural Networks (CNNs) ist **falsch**?

Accepted Answer

CNNs sind ideal für die Verarbeitung von sequenziellen Daten wie Sprache.

Answer

CNNs sind für Aufgaben wie Bilderkennung und Objekterkennung geeignet.

Answer

CNNs verwenden Filter, um Merkmale in Bildern zu extrahieren.

Question 58

Welche Aktivierungsfunktion wird häufig in der letzten Schicht eines neuronalen Netzes verwendet, das eine Klassifizierungsaufgabe löst?

Accepted Answer

Softmax

Answer

Sigmoid

Answer

ReLU

Question 59

Was ist der Zweck von Regularisierungstechniken in neuronalen Netzen?

Accepted Answer

Überanpassung zu vermeiden

Answer

Die Trainingszeit zu verkürzen

Answer

Die Genauigkeit auf dem Trainingssatz zu erhöhen

Question 60

Welcher Typ neuronaler Netzwerk ist am besten geeignet für die Verarbeitung von zeitabhängigen Daten, wie z. B. Sprachdaten?

Accepted Answer

Recurrent Neural Networks (RNNs)

Answer

Support Vector Machines (SVMs)

Answer

Multilayer Perceptrons (MLPs)

Answer

Convolutional Neural Networks (CNNs)

Question 61

Was ist ein Gradientenabstieg?

Accepted Answer

Ein Algorithmus zur Optimierung der Gewichte in einem neuronalen Netzwerk

Answer

Eine Methode zur Auswahl der Aktivierungsfunktion

Answer

Ein Verfahren zur Validierung des Modells

Question 62

Welche der folgenden Optionen ist **kein** gängiges Problem bei der Verwendung von neuronalen Netzen?

Accepted Answer

Hoher Rechenaufwand für das Training

Answer

Überanpassung

Answer

Geringe Anzahl an verfügbaren Trainingsdaten

Answer

Interpretierbarkeit des Modells

Question 63

Wie wirkt sich eine höhere Anzahl von Neuronen in einer verborgenen Schicht auf die Komplexität des Modells aus?

Accepted Answer

Erhöht die Komplexität

Answer

Hat keinen Einfluss auf die Komplexität

Answer

Reduziert die Komplexität

Question 64

Welche Art von neuronalem Netzwerk wird häufig für die Spracherkennung verwendet?

Accepted Answer

Recurrent Neural Networks (RNNs)

Answer

Support Vector Machines (SVMs)

Answer

Multilayer Perceptrons (MLPs)

Answer

Convolutional Neural Networks (CNNs)