Neuronale Netze Grundlagen: Interaktive Lern-Quizze für Studierende

Question 1

Beschreiben Sie den Backpropagation-Algorithmus und erklären Sie, wie er die Gewichtungen in neuronalen Netzen optimiert.

Accepted Answer

Der Backpropagation-Algorithmus ist ein iterativer Algorithmus, der die Gradientenabstiegsmethode nutzt, um die Gewichtungen so anzupassen, dass der Fehler reduziert wird.

Answer

Der Backpropagation-Algorithmus wählt zufällig neue Gewichtungen, bis der Fehler minimiert ist.

Answer

Der Backpropagation-Algorithmus verwendet Kreuzvalidierung, um die Gewichtungen zu optimieren.

Answer

Der Backpropagation-Algorithmus ist nur für binär klassifizierende neuronale Netze anwendbar.

Question 2

Welche der folgenden Funktionen ist eine übliche nichtlineare Aktivierungsfunktion in neuronalen Netzen?

Accepted Answer

Sigmoid

Answer

Abs

Answer

Linear

Answer

Quadratisch

Question 3

Welche Schicht eines neuronalen Netzes ist für den Empfang von Eingabedaten verantwortlich?

Accepted Answer

Eingangsschicht

Answer

Versteckte Schicht

Answer

Ausgabeschicht

Answer

Faltungsschicht

Question 4

Welcher Lernalgorithmus minimiert iterativ die Kostenfunktion durch Aktualisierung der Gewichte?

Accepted Answer

Gradientenabstieg

Answer

Bayessche Optimierung

Answer

Evolutionsalgorithmen

Answer

Support Vector Machines

Question 5

Was ist das Hauptziel einer Faltungsschicht in einem Convolutional Neural Network (CNN)?

Accepted Answer

Erkennung räumlicher Merkmale

Answer

Reduzierung der Dimensionalität

Answer

Anpassung der Gewichte

Answer

Aktivierung der Neuronen

Question 6

Welche der folgenden Aussagen beschreibt die grundlegende Architektur eines neuronalen Netzes präzise?

Accepted Answer

Eine Sammlung zusammenhängender Gewichtungen und Aktivierungsfunktionen

Answer

Ein Algorithmus, der Verlustfunktionen optimiert

Answer

Eine Datenbank mit Trainingsdaten

Answer

Ein Graph mit Knoten und Kanten

Question 7

Welche der aufgeführten Funktionen ist eine weit verbreitete Aktivierungsfunktion in neuronalen Netzen?

Accepted Answer

Sigmoid-Funktion

Answer

Lineare Funktion

Answer

Gaußsche Kurve

Answer

Exponentialfunktion

Question 8

Welcher bekannte Lernalgorithmus wird üblicherweise verwendet, um die Gewichte eines neuronalen Netzes zu aktualisieren?

Accepted Answer

Gradientenabstieg

Answer

K-Means-Clustering

Answer

Support Vector Machine

Answer

Bayes'scher Klassifikator

Question 9

Welche Aussage beschreibt die Rolle des Bias-Terms in einem neuronalen Netz korrekt?

Accepted Answer

Bietet einen Offset für die Ausgabe des Neurons

Answer

Normalisiert die Eingaben

Answer

Fügt der Neuronausgabe Rauschen hinzu

Answer

Beschleunigt den Lernprozess

Question 10

Welche Architektur neuronaler Netze wird typischerweise für die Bearbeitung sequentieller Daten eingesetzt?

Accepted Answer

Recursives neuronales Netz

Answer

Feedforward-Neuronales Netz

Answer

Faltungsneuronales Netz

Answer

Autoencoder

Question 11

Nennen Sie einen Anwendungsfall für Faltungsneuronale Netze (CNNs):

Accepted Answer

Bildsegmentierung

Answer

Verarbeitung natürlicher Sprache

Answer

Empfehlungssysteme

Answer

Zeitreihenanalyse

Question 12

Der Hauptvorteil der Verwendung von Faltungsneuronalen Netzen ist:

Accepted Answer

Erkennen räumlicher Muster in Daten

Answer

Extraktion von Merkmalen aus großen Datenmengen

Answer

Verarbeitung sequentieller Daten

Answer

Generierung synthetischer Daten

Question 13

Die Rückwärtspropagation ist:

Accepted Answer

Ein Algorithmus zur Berechnung des Gradienten der Verlustfunktion in Bezug auf die Gewichte des Netzwerks

Answer

Ein Verfahren zur Aktualisierung der Gewichte des Netzwerks basierend auf dem berechneten Gradienten

Answer

Eine Methode zur Regularisierung des Netzwerks, um Überanpassung zu verhindern

Answer

Ein Algorithmus zur Bestimmung der optimalen Anzahl von Neuronen im Netzwerk

Question 14

Überanpassung in neuronalen Netzen bedeutet:

Accepted Answer

Ein Zustand, in dem das Netzwerk die Trainingsdaten zu gut lernt und seine Verallgemeinerungsfähigkeit auf ungesehene Daten verliert

Answer

Ein Zustand, in dem das Netzwerk nicht genügend trainiert ist und die Trainingsdaten nicht richtig lernt

Answer

Ein Zustand, in dem das Netzwerk zu groß ist und zu viele Freiheitsgrade hat

Answer

Ein Zustand, in dem das Netzwerk zu klein ist und nicht genügend Kapazität hat

Question 15

Welche der folgenden Funktionen ist eine gängige Aktivierungsfunktion in neuronalen Netzen?

Accepted Answer

Sigmoid-Funktion

Answer

Lineare Funktion

Answer

Gaußsche Funktion

Answer

Polynomfunktion

Question 16

Was ist ein Neuron in einem neuronalen Netz?

Accepted Answer

Eine Recheneinheit, die Eingaben empfängt und eine Ausgabe berechnet.

Answer

Eine Verbindung zwischen zwei Neuronen.

Answer

Eine Schicht von Neuronen.

Answer

Der Algorithmus, der das Netz trainiert.

Question 17

Welche der folgenden Lernregeln wird oft zur Optimierung neuronaler Netze eingesetzt?

Accepted Answer

Rückausbreitung

Answer

Bayesianische Inferenz

Answer

Genetische Algorithmen

Answer

Clustering

Question 18

Welche Schicht in einem neuronalen Netz ist für die Extraktion komplexer Merkmale zuständig?

Accepted Answer

Verborgene Schicht

Answer

Eingabeschicht

Answer

Ausgabeschicht

Answer

Keine der oben genannten

Question 19

Was ist Dropout?

Accepted Answer

Eine Technik, um Überanpassung in neuronalen Netzen zu verhindern

Answer

Ein Algorithmus zur Auswahl der optimalen Hyperparameter

Answer

Eine Art Aktivierungsfunktion

Answer

Ein Verfahren zur Reduzierung der Rechenzeit

Question 20

Welche der folgenden Anwendungen ist keine typische Verwendung für neuronale Netze?

Accepted Answer

Wettervorhersage

Answer

Bilderkennung

Answer

Spracherkennung

Answer

Maschinelle Übersetzung

Question 21

Was ist das vorrangige Ziel einer Convolutional Neural Network (CNN)?

Accepted Answer

Erkennung von Mustern in räumlichen Daten

Answer

Generierung von Zeitreihen

Answer

Übersetzung von Sprachen

Answer

Generierung natürlicher Sprache

Question 22

Wie verarbeiten rekursive neuronale Netze Sequenzdaten?

Accepted Answer

Schrittweise.

Answer

Nur binäre Daten.

Answer

Ohne Aktivierungsfunktionen.

Answer

Exklusiv für Bilderkennung.

Question 23

Was ist die Aufgabe der Rückwärtspropagation in neuronalen Netzen?

Accepted Answer

Berechnung der Ableitungen der Verlustfunktion bezüglich der Netzwerkgewichte

Answer

Korrektur der Vorwärtspropagation bei Fehlern

Answer

Berechnung der Aktivierungen der Neuronen

Answer

Anwendung nur im überwachten Lernen

Question 24

Welche der folgenden Funktionen ist eine übliche Aktivierungsfunktion in neuronalen Netzen? Nenne eine Eigenschaft dieser Funktion.

Accepted Answer

Sigmoid-Funktion: Sie begrenzt den Ausgabebereich auf [0, 1]

Answer

Cosinus-Funktion: Kann zu oszillierenden Ausgangswerten führen

Answer

Polynomfunktion dritten Grades: Kann zu komplexen Gradienten führen

Answer

Quadratische Funktion: Kann zu linearen Entscheidungsflächen führen

Question 25

Welche ist die primäre Aufgabe einer Ausgabeschicht in einem neuronalen Netz?

Accepted Answer

Vorhersagen oder Entscheidungen zu treffen

Answer

Dichte Repräsentationen zu erzeugen: Aufgabe von Hidden Layern

Answer

Merkmale zu extrahieren: Aufgabe von Hidden Layern

Answer

Gradiente für die Rückausbreitung zu berechnen: Aufgabe der Hidden Layer

Question 26

Welcher Algorithmus ist für das Trainieren von neuronalen Netzen weit verbreitet? Erkläre kurz, wie dieser Algorithmus funktioniert.

Accepted Answer

Rückausbreitung: Berechnet den Gradienten der Verlustfunktion in Bezug auf die Gewichte und aktualisiert die Gewichte entsprechend.

Answer

Clustering: Ein Algorithmus zum Gruppieren ähnlicher Datenpunkte, nicht zum Trainieren von neuronalen Netzen geeignet

Answer

K-nächste-Nachbarn: Ein Clustering-Algorithmus, nicht zum Trainieren von neuronalen Netzen geeignet

Answer

Entscheidungsbaum: Ein Entscheidungsfindungsalgorithmus, nicht zum Trainieren von neuronalen Netzen geeignet

Question 27

Welche ist die primäre Funktion von Hidden Layern in neuronalen Netzen?

Accepted Answer

Merkmale zu extrahieren und Repräsentationen der Eingabedaten zu erstellen

Answer

Fehler zu berechnen: Aufgabe der Ausgabeschicht

Answer

Eingaben zu normalisieren: Aufgabe der Vorverarbeitung

Question 28

Für welche Art von Problemen eignen sich neuronale Netze besonders gut? Erkläre kurz, warum.

Accepted Answer

Probleme mit nichtlinearen Beziehungen und hoher Dimensionalität: Neuronale Netze können komplexe Muster in hochdimensionalen Daten erfassen

Answer

Probleme mit linearen Beziehungen und niedriger Dimensionalität: Lineare Modelle sind dafür besser geeignet

Answer

Probleme mit diskreten Daten: Neuronale Netze sind auf kontinuierliche Daten ausgelegt

Question 29

Nenne einen Vorteil von Convolutional Neural Networks (CNNs). Beschreibe kurz, wie dieser Vorteil genutzt wird.

Accepted Answer

Sie können räumliche Zusammenhänge in Daten erfassen: Ermöglicht die Erkennung von Mustern in räumlichen Domänen wie Bildern

Answer

Sie können unstrukturierte Daten verarbeiten: Es gibt spezifische Architekturen für unstrukturierte Daten

Answer

Sie können sequenzielle Daten verarbeiten: Es gibt spezifische Architekturen für sequenzielle Daten

Question 30

Welche Anwendung von neuronalen Netzen ist in der Praxis weit verbreitet? Gib ein Beispiel für eine Branche, in der diese Anwendung genutzt wird.

Accepted Answer

Bildklassifizierung: Wird in Bereichen wie der Medizin (Diagnose) und der Unterhaltung (Gesichtserkennung) eingesetzt

Answer

Quantencomputing: Keine Anwendung von neuronalen Netzen

Answer

Fusion: Keine Anwendung von neuronalen Netzen

Answer

Theorie der Allgemeinen Relativität: Keine Anwendung von neuronalen Netzen

Question 31

Welche ist die Hauptaufgabe von Optimierungsalgorithmen beim Training neuronaler Netze?

Accepted Answer

Minimierung der Abweichung zwischen dem aktuellen und dem gewünschten Zustand des Netzwerks

Answer

Zufällige Änderung von Gewichtungen und Bewertung der Leistungssteigerung

Answer

Bestimmung der zu aktivierenden Neuronen

Question 32

Was ist der wesentliche architektonische Unterschied zwischen Feedforward- und rekursiven neuronalen Netzen?

Accepted Answer

Feedforward-Netze verarbeiten Informationen sequenziell, während rekursive Netze Rückkopplungen zwischen Neuronen aufweisen.

Answer

Feedforward-Netze haben vollständig verbundene Schichten, rekursive Netze hingegen teilweise verbundene Schichten.

Answer

Feedforward-Netze verwenden nur lineare Aktivierungsfunktionen, rekursive Netze hingegen nichtlineare.

Answer

Feedforward-Netze eignen sich für die Bildverarbeitung, rekursive Netze für die Sprachverarbeitung.

Question 33

Welche der folgenden Funktionen ist eine nichtlineare Aktivierungsfunktion, die den Wertebereich zwischen 0 und 1 abbildet?

Accepted Answer

Sigmoid-Funktion

Answer

Polynomfunktion

Answer

Gaußsche Funktion

Answer

Lineare Funktion

Question 34

Welcher Algorithmus wird in neuronalen Netzen zur Minimierung der Kostenfunktion durch sukzessive Anpassung der Gewichtungen verwendet?

Accepted Answer

Rückausbreitungsalgorithmus

Answer

Genetischer Algorithmus

Answer

Naive-Bayes-Algorithmus

Answer

K-Means-Algorithmus

Question 35

Welche Schicht in einem neuronalen Netzwerk ermöglicht die Verarbeitung von Daten mit räumlichen Abhängigkeiten, wie z. B. Bildern?

Accepted Answer

Faltungsschicht

Answer

LSTM-Schicht

Answer

Max-Pooling-Schicht

Answer

Vollständig verbundene Schicht

Question 36

Welcher Wert in einem neuronalen Netzwerk steuert die Schrittweite bei der Aktualisierung der Gewichtungen während des Trainings?

Accepted Answer

Eta

Answer

Alpha

Answer

Beta

Answer

Gamma

Question 37

Welches Ziel verfolgt die Regularisierung in neuronalen Netzen?

Accepted Answer

Überanpassung verhindern

Answer

Die Genauigkeit verbessern

Answer

Die Konvergenz beschleunigen

Answer

Die Komplexität reduzieren

Question 38

Welche der folgenden Netzwerkarchitekturen zeichnet sich durch die Fähigkeit aus, räumliche Beziehungen in Daten zu erkennen?

Accepted Answer

Convolutional Neural Network (CNN)

Answer

Generative Adversarial Network (GAN)

Answer

Recurrent Neural Network (RNN)

Answer

Transformer Neural Network

Question 39

Welche Herausforderung ist mit der Verwendung von Recurrent Neural Networks (RNNs) verbunden?

Accepted Answer

Verschwindendes Gradientenproblem

Answer

Überanpassung

Answer

Langsame Konvergenz

Answer

Hoher Speicherbedarf

Question 40

Welche Metrik ist für die Bewertung der Leistung von neuronalen Netzen bei Klassifizierungsaufgaben am gebräuchlichsten?

Accepted Answer

Genauigkeit

Answer

Mittlerer absoluter Fehler

Answer

F1-Wert

Answer

Quadratischer Mittelwertfehler

Question 41

Welches ist ein zentraler Vorteil der Verwendung von künstlichen neuronalen Netzen?

Accepted Answer

Fähigkeit zur automatischen Merkmalsextraktion

Answer

Schnelle Verarbeitung

Answer

Hohe Interpretierbarkeit

Answer

Geringes Rauschen

Question 42

Was ist das grundlegende Prinzip des Rückwärtsausbreitungsfehleralgorithmus?

Accepted Answer

Berechnung des Gradienten der Verlustfunktion

Answer

Verwendung eines genetischen Algorithmus

Answer

Zufällige Anpassung der Gewichtungen

Answer

Minimierung der mittleren quadratischen Fehlerfunktion

Question 43

Welche der folgenden Architekturen ist eine Form eines rekurrenten neuronalen Netzwerks?

Accepted Answer

Long Short-Term Memory (LSTM)

Answer

Feedforward-Netzwerk

Answer

Konvolutionelles neuronales Netzwerk

Answer

Autoencoder

Question 44

Für welche Art von Aufgabe sind neuronale Netze besonders gut geeignet?

Accepted Answer

Bilderkennung

Answer

Kreisflächenberechnung

Answer

Primzahlensuche

Answer

String-Manipulation

Question 45

Welcher Begriff beschreibt die Anzahl der verborgenen Schichten in einem neuronalen Netzwerk?

Accepted Answer

Netzwerktiefe

Answer

Netzwerkbreite

Answer

Netzwerkkomplexität

Answer

Netzwerkdichte

Question 46

Was ist der wesentliche Unterschied zwischen überwachtem und unüberwachtem Lernen in neuronalen Netzen?

Accepted Answer

Überwachtes Lernen verwendet markierte Daten, während unüberwachtes Lernen unmarkierte Daten verwendet

Answer

Überwachtes Lernen ist schwieriger als unüberwachtes Lernen

Question 47

Welche der folgenden Metriken wird häufig zur Bewertung der Leistung von neuronalen Netzen verwendet?

Accepted Answer

Genauigkeit

Answer

Anzahl der Codezeilen

Answer

Speicherverbrauch

Answer

Geschwindigkeit

Question 48

Was ist der Zweck von Dropout in neuronalen Netzen?

Accepted Answer

Reduzierung von Überanpassung

Answer

Aktivierungsfunktion

Answer

Initialisierung von Gewichtungen

Answer

Datenaufteilung

Question 49

Welche der folgenden Aufgaben ist eine typische Anwendung für Faltungsneuronale Netze?

Accepted Answer

Bilderkennung

Answer

Empfehlungssysteme

Answer

Natürliche Sprachverarbeitung

Answer

Zeitreihenanalyse

Question 50

Welche Architektur wird typischerweise in neuronalen Netzen verwendet?

Accepted Answer

Schichtenarchitektur

Answer

Lineare Struktur

Answer

Baumstruktur

Question 51

Welcher Lernalgorithmus wird in neuronalen Netzen verwendet, um die Netzwerkparameter anzupassen?

Accepted Answer

Rückausbreitung (Backpropagation)

Answer

Lineare Regression

Answer

k-nächste-Nachbarn

Answer

Entscheidungsbaum

Question 52

Was ist ein wesentliches Charakteristikum von konvolutionellen neuronalen Netzen?

Accepted Answer

Lokale Konnektivität

Answer

Globale Konnektivität

Answer

Vollständige Konnektivität

Answer

Dünne Konnektivität

Question 53

Welche Rolle spielt die Batch-Größe beim Training neuronaler Netze?

Accepted Answer

Beeinflusst die Konvergenzrate und Regularisierung

Answer

Bestimmt die Anzahl der Epochen, die für das Training benötigt werden

Answer

Hat keinen Einfluss auf die endgültige Leistung des Netzwerks

Question 54

Welche Art von neuronalen Netzen eignet sich am besten für die Verarbeitung von Zeitreihendaten?

Accepted Answer

Wiederkehrende neuronale Netze (RNNs)

Answer

Autoencoder

Answer

Vorwärtsgerichtete neuronale Netze

Answer

Konvolutionelle neuronale Netze

Question 55

Welches ist das primäre Ziel beim Training eines neuronalen Netzwerks?

Accepted Answer

Minimierung der Verlustfunktion

Answer

Verbesserung der Konvergenzrate

Answer

Reduzierung der Rechenzeit

Answer

Maximierung der Genauigkeit

Question 56

Welcher Algorithmus wird zum Trainieren neuronaler Netze verwendet?

Accepted Answer

Rückausbreitungsalgorithmus

Answer

Clustering-Algorithmus

Answer

Klassifikationsalgorithmus

Question 57

Welche Art von neuronalem Netzwerk wird häufig für Aufgaben zur Bildklassifizierung eingesetzt?

Accepted Answer

Konvolutionales neuronales Netzwerk (CNN)

Answer

Autoencoder

Answer

Vollverbundenes neuronales Netzwerk

Answer

Rekursives neuronales Netzwerk (RNN)

Question 58

Welche Schicht in einem neuronalen Netzwerk transformiert Eingabedaten, um ihre lineare Trennbarkeit zu verbessern?

Accepted Answer

Verborgene Schicht

Answer

Eingabeschicht

Answer

Ausgabeschicht

Question 59

Welche Anwendung von neuronalen Netzen ermöglicht die Verarbeitung natürlicher Sprache?

Accepted Answer

Natural Language Processing (NLP)

Answer

Computer Vision

Answer

Maschinelles Lernen

Answer

Robotik

Question 60

Welche Aussage beschreibt die Architektur eines neuronalen Netzwerks am besten?

Accepted Answer

Es besteht aus mehreren Schichten von Neuronen, die durch gewichtete Verbindungen miteinander verbunden sind. Diese Gewichte werden durch einen Lernalgorithmus angepasst.

Answer

Es ist eine lineare Funktion, die Eingaben mit Ausgabeneuronen verbindet.

Question 61

Welche Aktivierungsfunktion wird oft in neuronalen Netzwerken verwendet, um Nichtlinearität einzuführen?

Accepted Answer

Sigmoid-Funktion

Answer

Gaußsche Funktion

Answer

Lineare Funktion

Question 62

Welcher Lernalgorithmus wird typischerweise zur Anpassung der Gewichte in neuronalen Netzen verwendet?

Accepted Answer

Backpropagation

Answer

Support Vector Machines (SVM)

Answer

k-NN

Question 63

Welche Anwendung von neuronalen Netzen umfasst die Verarbeitung natürlicher Sprache?

Accepted Answer

Sentimentanalyse

Answer

Zeitreihenvorhersage

Answer

Bilderkennung

Answer

Handschrifterkennung

Question 64

Welche Art von neuronalem Netzwerk wird für die Bildsegmentierung verwendet?

Accepted Answer

Konvolutionales neuronales Netzwerk (CNN)

Answer

Selbstorganisierende Karte (SOM)

Answer

Feedforward-neuronales Netzwerk

Answer

Rekursives neuronales Netzwerk (RNN)