Wiederkehrende neuronale Netze (RNNs) für sequentielle Daten

Question 1

Welche Architektur stellt eine Variante von RNNs dar?

Accepted Answer

Long Short-Term Memory (LSTM)

Answer

Convolutional Neural Networks (CNNs)

Answer

Generative Adversarial Networks (GANs)

Answer

Radial Basis Function Networks (RBFNs)

Question 2

Welche Technik wird eingesetzt, um dem Problem des verschwindenden Gradienten in RNNs entgegenzuwirken?

Accepted Answer

Gradient Clipping

Answer

Dropout

Answer

Regularisierung

Answer

Batch-Normalisierung

Question 3

Eine charakteristische Eigenschaft von Recurrent Neural Networks (RNNs) ist:

Accepted Answer

Fähigkeit zur Verarbeitung sequentieller Daten

Answer

Ausschließlich für Bildverarbeitung geeignet

Answer

Unfähigkeit zur Verarbeitung nichtlinearer Daten

Answer

Erfordernis eines festen Eingabedatensatzes

Question 4

Welche RNN-Architektur ist für ihre Fähigkeit bekannt, langfristige Abhängigkeiten in sequentiellen Daten zu erfassen?

Accepted Answer

Long Short-Term Memory (LSTM)

Answer

Simple Recurrent Network (RNN)

Answer

Bidirektionales RNN (BRNN)

Answer

Gated Recurrent Unit (GRU)

Question 5

Welche Aussage über BRNNs ist korrekt?

Accepted Answer

Sie verarbeiten Eingabedaten sowohl in Vorwärts- als auch in Rückwärtsrichtung

Answer

Sie sind weniger effektiv als einfache RNNs

Answer

Ihre Anwendung ist ausschließlich auf Textdaten beschränkt

Question 6

Welches Problem ist mit dem Training von RNNs verbunden?

Accepted Answer

Vanishing Gradient Problem

Answer

Überanpassung

Answer

Schwierigkeiten bei der Konvergenz

Answer

Hohe Rechenkosten

Question 7

Welche Trainingstechnik wird üblicherweise für RNNs eingesetzt?

Accepted Answer

Backpropagation through Time (BPTT)

Answer

Feedforward Propagation

Answer

K-Falten-Kreuzvalidierung

Answer

Stochastischer Gradientenabstieg (SGD)

Question 8

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

Accepted Answer

Perplexität

Answer

AUC-ROC

Answer

F1-Score

Answer

Genauigkeit

Question 9

Welcher Vorteil ergibt sich aus der Verwendung von GRUs im Vergleich zu LSTMs?

Accepted Answer

Geringere Anzahl von Parametern und schnellere Konvergenz

Answer

Überlegene Leistung bei der Modellierung langfristiger Abhängigkeiten

Answer

Verbesserte Robustheit gegenüber Rauschen

Answer

Eignung für größere Datensätze

Question 10

Welche der folgenden Aussagen beschreibt den Hauptzweck von Recurrent Neural Networks (RNNs) am besten?

Accepted Answer

Verarbeitung sequentieller Daten wie Text und Zeitreihen

Answer

Generierung von numerischen Prognosen

Answer

Klassifizierung von Bildern

Question 11

Welche der folgenden Architekturen ist eine Art von RNN, die speziell für die Verarbeitung langfristiger Abhängigkeiten entwickelt wurde?

Accepted Answer

Long Short-Term Memory (LSTM)

Answer

Convolutional Neural Network (CNN)

Answer

K-Nearest Neighbors (K-NN)

Answer

Support Vector Machine (SVM)

Question 12

Was ist ein wesentlicher Unterschied zwischen einem einfachen RNN und einem LSTM-Netzwerk?

Accepted Answer

LSTMs verwenden Speicherzellen, um Informationen über längere Zeiträume zu speichern

Answer

LSTMs verarbeiten Daten in umgekehrter Reihenfolge

Answer

Einfache RNNs haben mehr Gewichtungen

Question 13

Welche Metrik wird üblicherweise zur Bewertung der Leistung von RNNs in Aufgaben zur Verarbeitung natürlicher Sprache verwendet?

Accepted Answer

BLEU-Score

Answer

Root Mean Squared Error (RMSE)

Answer

Genauigkeit

Question 14

Welcher Vorteil ergibt sich aus der Verwendung von Gated Recurrent Units (GRUs) im Vergleich zu LSTMs?

Accepted Answer

Geringere Komplexität und kürzere Trainingszeit

Answer

Höhere Genauigkeit

Answer

Keine Vorteile

Answer

Effektivere Verarbeitung von langfristigen Abhängigkeiten

Question 15

Was zeichnet ein bidirektionales RNN aus?

Accepted Answer

Es verarbeitet Eingaben sowohl in Vorwärts- als auch in Rückwärtsrichtung

Answer

Es verfügt über mehrere versteckte Schichten

Answer

Es wird ausschließlich für die Verarbeitung von Textdaten verwendet

Question 16

Welches der folgenden Frameworks wird häufig für die Implementierung von RNNs verwendet?

Accepted Answer

TensorFlow

Answer

Pandas

Answer

Scikit-learn

Answer

NumPy

Question 17

Welche der folgenden Eigenschaften ist ein wesentliches Merkmal von Recurrent Neural Networks (RNNs)?

Accepted Answer

Die Fähigkeit, zeitliche Abhängigkeiten in Daten zu modellieren

Answer

Höhere Verarbeitungsgeschwindigkeit

Answer

Geringerer Bedarf an Trainingsdaten

Question 18

Welche RNN-Architektur ist besonders geeignet, um langfristige Abhängigkeiten in Sequenzdaten zu erfassen?

Accepted Answer

Long Short-Term Memory (LSTM)

Answer

Gated Recurrent Unit (GRU)

Answer

Bidirektionales RNN (BiRNN)

Answer

Einfaches RNN

Question 19

Nennen Sie einen Bereich, in dem Recurrent Neural Networks (RNNs) besonders häufig eingesetzt werden.

Accepted Answer

Natürliche Sprachverarbeitung (NLP)

Answer

Medizinische Diagnose

Answer

Chemie

Question 20

Was unterscheidet ein einfaches RNN von einem LSTM?

Accepted Answer

LSTMs verwenden Speicherzellen, um Langzeitabhängigkeiten zu bewahren, während einfache RNNs das nicht tun

Answer

LSTMs nutzen paralleles Computing

Answer

Einfache RNNs benötigen weniger Trainingsdaten

Question 21

Was ist das Vanishing Gradient Problem?

Accepted Answer

Ein Problem, das beim Rückwärtspropagieren von Fehlern durch RNNs über lange Sequenzen auftritt und zum Verlust von Informationen führt

Answer

Ein Problem, das auftritt, wenn die Gradienten zu groß werden

Question 22

Welche Aussage zu Gated Recurrent Units (GRUs) ist korrekt?

Accepted Answer

Sie sind eine Vereinfachung von LSTMs, die nur ein Tor verwenden

Answer

Sie benötigen mehr Trainingsdaten als LSTMs

Answer

Sie sind immer genauer als LSTMs

Question 23

Welche Anwendung profitiert nicht von der Verwendung von RNNs?

Accepted Answer

Bildklassifizierung

Answer

Videoanalyse

Answer

Spracherkennung

Answer

Maschinelle Übersetzung

Question 24

Welche Hauptfunktion von wiederkehrenden neuronalen Netzen (RNNs) zeichnet sie aus?

Accepted Answer

Verarbeitung sequentieller Daten wie Text und Zeitreihen

Answer

Ausschließlich für die Verarbeitung numerischer Daten geeignet

Answer

Begrenzt auf die Bildklassifizierung

Question 25

Welche der aufgeführten Architekturen ist eine Variante von RNN?

Accepted Answer

LSTM (Long Short-Term Memory)

Answer

MLP (Multilayer Perceptron)

Answer

CNN (Convolutional Neural Network)

Answer

SVM (Support Vector Machine)

Question 26

Welcher Vorteil ist mit der Verwendung von LSTMs verbunden?

Accepted Answer

Verbessertes Management langfristiger Abhängigkeiten in sequentiellen Daten

Answer

Höhere Genauigkeit bei Vorhersageproblemen

Answer

Geringerer Rechenaufwand im Vergleich zu anderen RNNs

Question 27

Für welche Anwendung eignen sich RNNs besonders gut?

Accepted Answer

Spracherkennung

Answer

Medizinische Diagnose

Answer

Bilderkennung

Answer

Tabellenanalyse

Question 28

Welcher Begriff beschreibt in RNNs die Fähigkeit, Informationen aus früheren Eingaben zu speichern?

Accepted Answer

Zustand

Answer

Gewicht

Answer

Aktivierungsfunktion

Answer

Vorspannung

Question 29

Welche Metrik wird zur Bewertung der Leistung von RNNs bei der Verarbeitung sequentieller Daten häufig herangezogen?

Accepted Answer

Sequenz-zu-Sequenz (Seq2Seq)-Genauigkeit

Answer

F1-Score

Answer

Klassifizierungsgenauigkeit

Answer

Mittlerer quadratischer Fehler (MSE)

Question 30

Welche Art von Neuronalen Netzen wurde speziell für die Verarbeitung sequentieller Daten entwickelt?

Accepted Answer

Recurrent Neural Networks (RNNs)

Answer

Faltungsneuronale Netze

Answer

Feedforward-Neuronale Netze

Answer

Neuronale Netze zur Verstärkung des Lernens

Question 31

Welche der folgenden Aussagen beschreibt korrekt die Herausforderung des "verschwindenden Gradienten" bei einfachen RNNs?

Accepted Answer

Die Gradienten der Fehlerfunktion werden im Laufe der Zeit immer kleiner, was das Lernen für das Netzwerk erschwert.

Answer

Die Gradienten der Fehlerfunktion verschwinden vollständig, was das Netzwerk daran hindert, überhaupt zu lernen.

Answer

Die Gradienten der Fehlerfunktion werden im Laufe der Zeit immer größer, was zu Instabilität im Netzwerk führt.

Question 32

Was ist das zentrale Merkmal von Long Short-Term Memory (LSTM)-Netzwerken, das es ihnen ermöglicht, Langzeitabhängigkeiten zu erfassen?

Accepted Answer

Speicherzellen, die Informationen über einen längeren Zeitraum speichern können.

Answer

Die Verwendung einer nichtlinearen Aktivierungsfunktion.

Answer

Eine größere Anzahl versteckter Schichten.

Question 33

Welche der folgenden Anwendungen ist besonders gut für den Einsatz von RNNs geeignet?

Accepted Answer

Textgenerierung

Answer

Tabellenkalkulation

Answer

Bildklassifizierung

Answer

Objekterkennung

Question 34

Welcher Algorithmus wird typischerweise für das Training von RNNs verwendet, um die Herausforderungen des verschwindenden Gradienten zu bewältigen?

Accepted Answer

Rückwärtspropagation durch die Zeit (BPTT)

Answer

K-means-Clustering

Answer

Gradientenabstieg

Answer

Evolutionäre Algorithmen

Question 35

Welches ist der Hauptvorteil von Gated Recurrent Units (GRUs) im Vergleich zu LSTMs?

Accepted Answer

Vereinfachte Architektur und geringerer Speicherbedarf

Answer

Höhere Genauigkeit

Answer

Schnellere Konvergenz

Question 36

Was ist das Hauptmerkmal, das RNNs von anderen Arten neuronaler Netze unterscheidet?

Accepted Answer

Ihre Fähigkeit, sequentielle Daten zu verarbeiten und Informationen aus früheren Zeitschritten zu speichern

Answer

Ihre Verwendung von Feedforward-Verbindungen

Answer

Ihre Fähigkeit, unstrukturierte Daten zu verarbeiten

Question 37

Welche Techniken können verwendet werden, um Überanpassung in rekurrenten neuronalen Netzen (RNNs) zu vermeiden?

Accepted Answer

Dropout und Regularisierung

Answer

Reduzierung der Trainingsdatenmenge

Answer

Verwendung eines größeren Modells

Answer

Erhöhung der Epochenzahl

Question 38

Welche Vorverarbeitungsschritte sind besonders geeignet für Textdaten, die in RNNs verwendet werden?

Accepted Answer

Tokenisierung und Einbettung

Answer

Normalisierung und Standardisierung

Answer

PCA und LDA

Answer

Skalierung und Verschiebung

Question 39

Welche Methode kann eingesetzt werden, um die Rechenzeit beim Training von RNNs zu reduzieren?

Accepted Answer

Truncated Backpropagation through Time (TBPTT)

Answer

Adagrad

Answer

Batch-Normalisierung

Answer

Gradientenabstieg mit Impuls

Question 40

Welche Art von RNN verwendet eine spezielle Zellstruktur mit einem zusätzlichen 'Gate', das den Informationsfluss steuert?

Accepted Answer

LSTM (Long Short-Term Memory)

Answer

GRU (Gated Recurrent Unit)

Answer

SimpleRNN

Answer

Bidirektionaler RNN

Question 41

Welche Anwendung ist besonders gut geeignet für die Verwendung von RNNs?

Accepted Answer

Textgenerierung

Answer

Regression

Answer

Bildklassifizierung

Question 42

Welche Eigenschaft ermöglicht es RNNs, Abhängigkeiten zwischen aufeinanderfolgenden Datenpunkten zu erkennen?

Accepted Answer

Wiederkehrende Verbindungen

Answer

Pooling-Ebene

Answer

Ausgabeschicht

Answer

Aktivierungsfunktion

Question 43

Welcher Algorithmus wird häufig zum Trainieren von RNNs verwendet?

Accepted Answer

Backpropagation through Time (BPTT)

Answer

K-Means-Clustering

Answer

Stochastischer Gradientenabstieg (SGD)

Answer

Naives Bayes

Question 44

Was ist der wesentliche Unterschied zwischen einem einfachen RNN und einem LSTM?

Accepted Answer

LSTMs verfügen über Langzeitgedächtniszellen, die es ihnen ermöglichen, langfristige Abhängigkeiten zu speichern.

Answer

LSTMs verwenden eine andere Aktivierungsfunktion.

Question 45

Welche der folgenden Aussagen über GRUs ist falsch?

Accepted Answer

GRUs verwenden keine Gates.

Answer

GRUs sind rechnerisch effizienter als LSTMs.

Answer

GRUs werden häufig für Sprachverarbeitungsaufgaben verwendet.

Answer

GRUs haben ein Reset-Gate.

Question 46

Was ist ein bidirektionaler RNN?

Accepted Answer

Ein RNN, das sequentielle Daten sowohl in Vorwärts- als auch in Rückwärtsrichtung verarbeitet.

Answer

Ein RNN mit einer konvolutionalen Schicht.

Answer

Ein RNN mit mehreren verborgenen Schichten.

Question 47

Welcher Vorteil ergibt sich durch die Verwendung von Dropout bei RNNs?

Accepted Answer

Reduzierung von Überanpassung

Answer

Erhöhung der Robustheit gegenüber Rauschen

Answer

Verbesserung der Genauigkeit

Answer

Beschleunigung des Trainings

Question 48

Welches Maß ist für die Bewertung der Leistung von RNNs bei Sequenz-zu-Sequenz-Aufgaben geeignet?

Accepted Answer

BLEU-Score

Answer

Genauigkeit

Answer

AUC

Answer

F1-Score

Question 49

Welcher der folgenden Typen ist eine Art von wiederkehrendem neuronalem Netzwerk (RNN)?

Accepted Answer

LSTM

Answer

BN

Answer

DNN

Answer

CNN

Question 50

Wie werden RNNs typischerweise für die Verarbeitung sequentieller Daten verwendet?

Accepted Answer

Durch die Übergabe versteckter Zustände von einem Zeitschritt zum nächsten

Answer

Durch die Verarbeitung aller Datenpunkte gleichzeitig

Answer

Durch die Verwendung eines Aufmerksamkeitsmechanismus

Question 51

Welcher der folgenden Vorteile ist mit der Verwendung von RNNs verbunden?

Accepted Answer

Modellierung von Langzeitabhängigkeiten

Answer

Hoher Speicherbedarf

Answer

Schwierige Implementierung

Answer

Empfindlichkeit gegenüber Rauschen

Question 52

Welche der folgenden Anwendungen ist relevant für RNNs?

Accepted Answer

Spracherkennung

Answer

Objekterkennung

Answer

Medizinische Bildgebung

Answer

Bildklassifizierung

Question 53

Was ist der Hauptunterschied zwischen einem einfachen RNN und einem LSTM?

Accepted Answer

LSTMs verwenden Gedächtniszellen, um Langzeitabhängigkeiten zu speichern

Answer

Einfache RNNs sind effizienter

Answer

LSTMs sind anfälliger für Überanpassung

Question 54

Welcher Activation Function wird häufig in RNNs verwendet?

Accepted Answer

tanh

Answer

Sigmoid

Answer

ReLU

Answer

Swish

Question 55

Was ist ein Nachteil bei der Verwendung von RNNs?

Accepted Answer

Verschwindende oder explodierende Gradienten

Answer

Hohe Rechenkosten

Answer

Empfindlichkeit gegenüber Rauschen

Answer

Schwierigkeit bei der Parallelisierung

Question 56

Welcher Ansatz wurde entwickelt, um das Problem verschwindender oder explodierender Gradienten in RNNs zu lösen?

Accepted Answer

LSTM

Answer

Dropout

Answer

Attention-Mechanismus

Answer

GRU

Question 57

Wie können RNNs für die Generierung von Text verwendet werden?

Accepted Answer

Durch Vorhersage der nächsten Wörter basierend auf den vorherigen

Answer

Durch Verwendung eines Aufmerksamkeitsmechanismus

Answer

Durch Codierung von Wörtern in Vektoren

Question 58

Welcher der folgenden Parameter beeinflusst die Leistung eines RNN?

Accepted Answer

Anzahl versteckter Einheiten

Answer

Batch-Größe

Answer

Lernrate

Answer

Anzahl der Schichten