Neuronale Netze: Aufbau und Funktionsweise für Data Science und KI

Question 1

Welche Aussage beschreibt die grundlegende Struktur eines neuronalen Netzes am besten?

Accepted Answer

Eine hierarchisch angeordnete Sammlung von Knoten, die Neuronen genannt werden

Answer

Ein Netzwerk miteinander verbundener Rechner

Answer

Eine mathematische Formel, die Eingangsdaten in Ausgangsdaten transformiert

Answer

Eine Ansammlung von Regeln und Entscheidungsbäumen

Question 2

Welche wesentliche Funktion erfüllt die Aktivierungsfunktion in einem neuronalen Netz?

Accepted Answer

Ermittlung der Ausgabe eines Neurons

Answer

Übertragung von Signalen zwischen Neuronen

Answer

Anpassung der Gewichte im Netzwerk

Answer

Speicherung der Trainingsdaten

Question 3

Was bezweckt die Rückausbreitung beim Training neuronaler Netze?

Accepted Answer

Anpassung der Gewichte zur Fehlerminimierung

Answer

Überprüfung der Netzwerkgenauigkeit

Answer

Erzeugung neuer Trainingsdaten

Answer

Optimierung der Netzwerkarchitektur

Question 4

Welche Einsatzmöglichkeit bieten neuronale Netze im Feld der künstlichen Intelligenz?

Accepted Answer

Alle genannten Anwendungen

Answer

Bild- und Spracherkennung

Answer

Maschinelle Übersetzung

Answer

Vorhersagemodelle

Question 5

Was ist als Überanpassung bei neuronalen Netzen bekannt?

Accepted Answer

Wenn das Netzwerk die Trainingsdaten zu gut lernt und nicht gut auf neue Daten verallgemeinert

Answer

Wenn das Netzwerk die Trainingsdaten nicht ausreichend lernt

Answer

Wenn das Netzwerk zu viele Parameter hat

Answer

Wenn die Aktivierungsfunktion nicht linear ist

Question 6

Was ist der Hauptunterschied zwischen einem konvolutionellen neuronalen Netz (CNN) und einem rekurrenten neuronalen Netz (RNN)?

Accepted Answer

CNNs sind für die Verarbeitung von Bilddaten konzipiert, während RNNs für die Verarbeitung von sequentiellen Daten konzipiert sind

Answer

CNNs sind für die Verarbeitung von sequentiellen Daten konzipiert, während RNNs für die Verarbeitung von Bilddaten konzipiert sind

Answer

CNNs haben eine hierarchische Struktur, während RNNs eine flache Struktur haben

Answer

RNNs haben eine hierarchische Struktur, während CNNs eine flache Struktur haben

Question 7

Welche der folgenden Aussagen beschreibt eine Herausforderung bei der praktischen Anwendung neuronaler Netze?

Accepted Answer

Alle genannten Herausforderungen

Answer

Erfordernis großer Datenmengen für das Training

Answer

Erklärung ihrer Vorhersagen

Answer

Anfälligkeit für feindliche Beispiele

Question 8

Was beschreibt neuronale Netze am prägnantesten?

Accepted Answer

Netzwerke aus verknüpften Verarbeitungseinheiten

Answer

Modelle, die die menschliche Intelligenz imitieren

Answer

Statistische Werkzeuge, die lineare Beziehungen zwischen Variablen identifizieren

Answer

Wissensbasierte Systeme, die auf Regeln aufbauen

Question 9

Welche Aktivierungsfunktion kommt in der Ausgabeschicht neuronaler Netze typischerweise zum Einsatz?

Accepted Answer

Softmax-Funktion

Answer

Sigmoid-Funktion

Answer

Tanh-Funktion

Answer

ReLU-Funktion

Question 10

Welche Optimierungsmethode wird häufig genutzt, um neuronale Netze zu trainieren?

Accepted Answer

Gradientenabstieg

Answer

Lineare Regression

Answer

Bayes'sche Inferenz

Answer

K-Means-Clustering

Question 11

Welche Anwendung eignet sich NICHT für neuronale Netze?

Accepted Answer

Wettervorhersage

Answer

Bilderkennung

Answer

Spracherkennung

Answer

Optimale Spielzüge im Schach

Question 12

Was ist der Zweck der Verlustfunktion beim Training neuronaler Netze?

Accepted Answer

Bewertung des Fehlers zwischen Vorhersagen und tatsächlichen Werten

Answer

Initialisierung der Gewichte der Neuronen

Answer

Bestimmung der Anzahl der verborgenen Schichten

Answer

Beschleunigung des Trainingsprozesses

Question 13

Welche Architektur neuronaler Netze wird häufig für sequentielle Daten verwendet?

Accepted Answer

Rekurrente neuronale Netze

Answer

Feedforward-Netzwerke

Answer

Faltungsneuronale Netze

Answer

Autoencoder

Question 14

Welche Aussage beschreibt die Rolle von Deep Learning in der künstlichen Intelligenz am besten?

Accepted Answer

Ermöglicht Computern, aus Daten zu lernen, ohne explizite Programmierung

Answer

Ist eine Teilmenge des maschinellen Lernens, die flache Modelle verwendet

Answer

Erfordert keine großen Datenmengen, um effektiv zu sein

Answer

Ist ausschließlich für die Verarbeitung natürlicher Sprache vorgesehen

Question 15

Welche Aussage beschreibt die primäre Aufgabe neuronaler Netze am zutreffendsten?

Accepted Answer

Erkennen von Mustern und Beziehungen in Daten

Answer

Speichern und Abrufen von Informationen

Answer

Ausführen komplexer Berechnungen

Answer

Übersetzen von Sprachen

Question 16

Welcher Typ von neuronalen Netzen eignet sich besonders für Bildklassifizierungsaufgaben?

Accepted Answer

Faltungsneuronale Netze (CNNs)

Answer

Rekurrente neuronale Netze (RNNs)

Answer

Neuronale Netze mit Vorwärtsausbreitung

Answer

Autoencoder-Neuronale Netze

Question 17

Welche Aktivierungsfunktion wird in der Ausgabeschicht neuronaler Netze üblicherweise verwendet?

Accepted Answer

Softmax

Answer

Sigmoid

Answer

ReLU

Answer

Tanh

Question 18

Welcher Algorithmus ist für die Trainingsphase neuronaler Netze zuständig?

Accepted Answer

Rückwärtsausbreitung

Answer

Clustering

Answer

Dimensionsreduktion

Answer

Genetische Algorithmen

Question 19

Wie unterscheidet sich eine Faltungsschicht von einer Pooling-Schicht in einem CNN?

Accepted Answer

Faltungsschichten extrahieren Merkmale, während Pooling-Schichten die Dimensionalität reduzieren.

Answer

Pooling-Schichten extrahieren Merkmale, während Faltungsschichten die Dimensionalität reduzieren.

Answer

Faltungs- und Pooling-Schichten erfüllen die gleiche Funktion.

Answer

Pooling-Schichten erhöhen die Dimensionalität, während Faltungsschichten sie reduzieren.

Question 20

Welche der folgenden Aussagen über RNNs ist zutreffend?

Accepted Answer

Sie können sequenzielle Daten verarbeiten.

Answer

Sie können keine langfristigen Abhängigkeiten speichern.

Answer

Sie benötigen keine Rekurrenz für ihre Funktionsweise.

Answer

Sie können nur für die Klassifizierung verwendet werden.

Question 21

Was ist die primäre Funktion eines Neurons in einem neuronalen Netzwerk?

Accepted Answer

Empfängt Eingaben, verarbeitet sie und gibt eine Ausgabe basierend auf seinen Gewichten und seiner Aktivierungsfunktion aus.

Answer

Dient ausschließlich als Verbindung zwischen Neuronen.

Answer

Speichert die Daten, die durch das Netzwerk fließen.

Question 22

Welche Aktivierungsfunktion wird in neuronalen Netzwerken häufig für binäre Klassifizierungsaufgaben eingesetzt?

Accepted Answer

Sigmoid-Funktion

Answer

ReLU-Funktion

Answer

Tanh-Funktion

Answer

Lineare Funktion

Question 23

Welcher Algorithmus wird typischerweise zur Anpassung der Gewichte in einem neuronalen Netzwerk verwendet?

Accepted Answer

Gradientenabstieg

Answer

Naive Bayes

Answer

Clustering

Answer

Lineare Regression

Question 24

Welche Netzwerkarchitektur eignet sich besonders gut für Bildklassifizierungsaufgaben?

Accepted Answer

Konvolutionelles neuronales Netzwerk (CNN)

Answer

Rekurrentes neuronales Netzwerk (RNN)

Answer

Autoencoder

Answer

Generatives adverses Netzwerk (GAN)

Question 25

Was ist der Hauptzweck einer Dropout-Schicht in einem neuronalen Netzwerk?

Accepted Answer

Reduzierung von Überanpassung

Answer

Verbesserung der Genauigkeit auf dem Testdatensatz

Answer

Erhöhung der Anzahl der Parameter im Netzwerk

Answer

Beschleunigung der Konvergenz des Netzwerks

Question 26

Welche Metrik eignet sich zur Beurteilung der Leistung eines neuronalen Netzwerks bei einer Klassifizierungsaufgabe?

Accepted Answer

AUC (Area Under Curve)

Answer

R-Quadrat

Answer

MAE (Mean Absolute Error)

Answer

MSE (Mean Squared Error)

Question 27

Was ist ein wesentlicher Unterschied zwischen vollständig verbundenen und konvolutionellen neuronalen Netzwerken?

Accepted Answer

Konvolutionelle neuronale Netzwerke verwenden Filter, um Merkmale aus räumlichen Daten wie Bildern zu extrahieren.

Answer

Konvolutionelle neuronale Netzwerke sind immer tiefer als vollständig verbundene neuronale Netzwerke.

Answer

Vollständig verbundene neuronale Netzwerke können nur sequenzielle Daten verarbeiten.

Question 28

Welchem Zweck dient eine Batch Normalisierungsschicht?

Accepted Answer

Beschleunigung der Netzwerkkonvergenz und Reduzierung interner Kovariatenverschiebungen

Answer

Vergrößerung der Netzwerkkapazität

Answer

Erhöhung der Robustheit des Netzwerks gegenüber Ausreißern

Question 29

Was ist das Ziel einer Transferlernstrategie beim Training neuronaler Netzwerke?

Accepted Answer

Reduzierung des Rechenaufwands und Verbesserung der Leistung durch Nutzung eines vorgefertigten Netzwerks

Answer

Erhöhung der Anzahl der Parameter im Netzwerk

Answer

Erstellung eines neuen Netzwerkmodells von Grund auf

Question 30

Welche Schicht eines neuronalen Netzes ist für die Extraktion von Merkmalen aus den Eingabedaten verantwortlich?

Accepted Answer

Versteckte Schicht

Answer

Eingabeschicht

Answer

Poolingschicht

Answer

Ausgabeschicht

Question 31

Welche Aktivierungsfunktion wird häufig in neuronalen Netzen verwendet, um Nichtlinearität einzuführen?

Accepted Answer

ReLU

Answer

Sigmoid

Answer

Lineare Funktion

Answer

TanH

Question 32

Welches Lernverfahren wird in neuronalen Netzen verwendet, um die Gewichte zu aktualisieren und deren Vorhersagegenauigkeit zu verbessern?

Accepted Answer

Rückausbreitung

Answer

Nicht überwachtes Lernen

Answer

Verstärkungslernen

Answer

Überwachtes Lernen

Question 33

Welches ist ein Beispiel für eine Anwendung neuronaler Netze im Bereich der Verarbeitung natürlicher Sprache?

Accepted Answer

Spracherkennung

Answer

Finanzprognosen

Answer

Bilderkennung

Answer

Empfehlungsysteme

Question 34

Welches ist ein Vorteil der Verwendung von Faltungsneuronalen Netzen (CNNs) bei der Bildverarbeitung?

Accepted Answer

Erfassung räumlicher Beziehungen

Answer

Verbesserung der Rechengeschwindigkeit

Answer

Verarbeitung sequentieller Daten

Answer

Reduzierung der Überanpassung

Question 35

Welches der folgenden ist ein Hauptmerkmal neuronaler Netze?

Accepted Answer

Nichtlineare Aktivierungsfunktionen

Answer

Einlagige Architektur

Answer

Fixe Gewichte

Answer

Lineare Aktivierungsfunktionen

Question 36

Welche Aufgabe erfüllt die Vorwärtspropagation in einem neuronalen Netz?

Accepted Answer

Berechnung der Netzeingaben für eine gegebene Ausgabe

Answer

Berechnung der Gewichte

Answer

Initialisierung der Gewichte

Answer

Fehlerberechnung

Question 37

Was ist das Ziel der Rückwärtspropagation?

Accepted Answer

Berechnung der Fehlergradienten für jede Schicht

Answer

Generierung von Vorhersagen

Answer

Optimierung der Kostenfunktion

Answer

Aktualisierung der Gewichte

Question 38

Welche der folgenden Aktivierungsfunktionen wird häufig für Regressionsprobleme verwendet?

Accepted Answer

Lineare Funktion

Answer

Sigmoid-Funktion

Answer

Tanh-Funktion

Answer

ReLU-Funktion

Question 39

Was versteht man unter Überanpassung in neuronalen Netzen?

Accepted Answer

Das Modell passt zu gut zu den Trainingsdaten und verliert seine Verallgemeinerungsfähigkeit

Answer

Das Modell lernt zu langsam

Answer

Das Modell passt nicht ausreichend gut zu den Trainingsdaten

Question 40

Welche Metrik wird häufig zur Bewertung der Leistung von Klassifikatoren verwendet?

Accepted Answer

Genauigkeit

Answer

Mittlerer absoluter Fehler

Answer

Mittleres quadratisches Fehlerkriterium

Answer

Korrelationskoeffizient

Question 41

Was ist der Hauptvorteil von Convolutional Neural Networks (CNNs)?

Accepted Answer

Sie können räumliche Muster in Daten erfassen

Answer

Sie erfordern keine Vorverarbeitung der Daten

Answer

Sie sind sehr schnell zu trainieren

Question 42

Was bedeutet LSTM in Bezug auf neuronale Netze?

Accepted Answer

Long Short-Term Memory

Answer

Local Sequence Transduction Machine

Answer

Linear Supervised Tree Machine

Answer

Layered Spatial Transformer Model

Question 43

Wie beschreibt man am besten die Funktion eines Neurons in einem neuronalen Netz?

Accepted Answer

Ein Neuron berechnet eine gewichtete Summe seiner Eingaben und wendet eine Aktivierungsfunktion an, um eine Ausgabe zu erzeugen.

Answer

Ein Neuron ist ein einfacher Schalter, der entweder ein- oder ausgeschaltet ist.

Answer

Ein Neuron speichert Informationen wie ein traditioneller Computerspeicher.

Answer

Ein Neuron verarbeitet Informationen sequenziell, ähnlich einem Prozessor.

Question 44

Welcher Typ von neuronalem Netz eignet sich am besten zur Klassifizierung von Bildern?

Accepted Answer

Convolutional Neural Network (CNN)

Answer

Multilayer Perceptron (MLP)

Answer

Recurrent Neural Network (RNN)

Answer

Support Vector Machine (SVM)

Question 45

Welchen Zweck erfüllt die Aktivierungsfunktion in einem Neuron?

Accepted Answer

Die Aktivierungsfunktion führt eine nichtlineare Transformation der gewichteten Summe der Eingaben durch, wodurch das Netz komplexere Muster lernen kann.

Answer

Die Aktivierungsfunktion verarbeitet die Ausgabe des Neurons in eine verständliche Form.

Answer

Die Aktivierungsfunktion reguliert die Lernrate des Netzwerks.

Answer

Die Aktivierungsfunktion bestimmt die Anzahl der Schichten im neuronalen Netz.

Question 46

Was beschreibt den Backpropagation-Algorithmus am besten?

Accepted Answer

Ein Algorithmus, der die Fehler des Netzwerks zurück durch die Schichten propagiert, um die Gewichte anzupassen und das Netzwerk zu trainieren.

Answer

Ein Algorithmus zur Initialisierung der Netzwerkgewichte.

Answer

Ein Algorithmus zur Auswahl der besten Aktivierungsfunktion.

Answer

Ein Algorithmus zur Optimierung der Netzwerkarchitektur.

Question 47

Was beschreibt Overfitting im Kontext neuronaler Netze?

Accepted Answer

Wenn ein Netzwerk zu gut an die Trainingsdaten angepasst ist, aber schlecht auf unbekannte Daten generalisiert.

Answer

Wenn ein Netzwerk zu viele Schichten hat.

Answer

Wenn ein Netzwerk nicht in der Lage ist, neue Informationen zu lernen.

Answer

Wenn ein Netzwerk zu langsam lernt.

Question 48

Was ist der Unterschied zwischen einem Feedforward- und einem rekurrenten neuronalen Netz?

Accepted Answer

Feedforward-Netze verarbeiten Informationen nur in eine Richtung, während rekurrente Netze Rückkopplungsschleifen verwenden, um Informationen aus der Vergangenheit zu berücksichtigen.

Answer

Feedforward-Netze sind besser geeignet für Bilderkennung, während rekurrente Netze für Textverarbeitung verwendet werden.

Answer

Feedforward-Netze lernen schneller als rekurrente Netze.

Answer

Feedforward-Netze haben eine feste Anzahl von Schichten, während rekurrente Netze eine variable Anzahl von Schichten haben können.

Question 49

Was ist der Unterschied zwischen einer Epoche und einer Batch-Größe im Kontext des Trainings neuronaler Netze?

Accepted Answer

Eine Epoche bezieht sich auf einen vollständigen Durchlauf aller Trainingsdaten, während eine Batch-Größe die Anzahl der Datensätze ist, die gleichzeitig zur Aktualisierung der Netzwerkgewichte verwendet werden.

Answer

Eine Epoche ist ein Maß für die Genauigkeit des Netzwerks, während eine Batch-Größe ein Maß für die Lernrate ist.

Answer

Eine Epoche ist die Zeit, die benötigt wird, um das Netzwerk zu trainieren, während eine Batch-Größe die Anzahl der Trainingsdaten ist.

Answer

Eine Epoche ist eine einzelne Iteration des Trainingsalgorithmus, während eine Batch-Größe die Anzahl der Neuronen in einer Schicht ist.

Question 50

Welche Aussage beschreibt das Konzept des Deep Learning am besten?

Accepted Answer

Deep Learning ist ein Teilbereich des Machine Learning, der sich auf die Verwendung tiefer, mehrschichtiger neuronaler Netze konzentriert, um komplexe Muster in Daten zu lernen.

Answer

Deep Learning ist ein neuer Ansatz zur Softwareentwicklung, der neuronale Netze verwendet.

Answer

Deep Learning ist eine Methode zur Visualisierung der Ergebnisse neuronaler Netze.

Answer

Deep Learning ist eine Technik zur Beschleunigung des Trainings neuronaler Netze.

Question 51

Welche der folgenden Komponenten ist **nicht** Teil eines künstlichen neuronalen Netzes?

Accepted Answer

Synapse

Answer

Neuron

Answer

Gewicht

Answer

Aktivierungsfunktion

Question 52

Welche Aktivierungsfunktion wird am häufigsten in der **letzten Schicht** eines neuronalen Netzes für **Klassifikationsaufgaben** verwendet?

Accepted Answer

Sigmoid

Answer

Linear

Answer

ReLU

Answer

Tanh

Question 53

Wie wird der Fehler eines neuronalen Netzes bei einer **Regression** berechnet?

Accepted Answer

Quadratischer Mittelwertfehler (MSE)

Answer

F1-Score

Answer

Genauigkeit

Answer

Kreuzentropie

Question 54

Welches Lernverfahren wird verwendet, um die **Gewichte** in einem neuronalen Netz **anzupassen**?

Accepted Answer

Gradientenabstieg

Answer

Random Forest

Answer

Support Vector Machine

Answer

k-Nearest Neighbors

Question 55

Welches Szenario eignet sich am besten für Deep Learning?

Accepted Answer

Bildklassifizierung mit Millionen von Bildern

Answer

Analyse von Kundenfeedback zur Verbesserung des Kundenservice

Answer

Vorhersage des Wetters für die nächsten 24 Stunden

Answer

Empfehlung von Artikeln basierend auf früheren Käufen

Question 56

Was ist der Zweck des Backpropagation-Algorithmus?

Accepted Answer

Anpassen der Gewichte in einem neuronalen Netz basierend auf dem Fehler

Answer

Definieren der Aktivierungsfunktion jedes Neurons

Answer

Erstellen neuer Neuronen im Netzwerk

Question 57

Welche Technik kann verwendet werden, um **Overfitting** in einem neuronalen Netz zu verhindern?

Accepted Answer

Regularisierung

Answer

Erhöhen der Anzahl der Neuronen

Answer

Reduzieren der Anzahl der Trainingsdaten

Answer

Erhöhen der Komplexität der Aktivierungsfunktion

Question 58

Worin zeichnet sich ein Convolutional Neural Network (CNN) besonders aus?

Accepted Answer

Bildanalyse und -erkennung

Answer

Zeitreihenanalyse

Answer

Empfehlungsysteme

Answer

Natursprachverarbeitung

Question 59

Welches Beispiel ist **kein** Beispiel für Deep Learning?

Accepted Answer

Logistische Regression

Answer

Convolutional Neural Network (CNN)

Answer

Generative Adversarial Network (GAN)

Answer

Recurrent Neural Network (RNN)

Question 60

Worin zeichnet sich ein Recurrent Neural Network (RNN) besonders aus?

Accepted Answer

Verarbeitung von Sequenzdaten wie Text oder Zeitreihen

Answer

Klassifizierung von Bildern

Answer

Clustering von Daten