200+ Trắc nghiệm Mạng nơ-ron nhân tạo (có đáp án)

Trang trước Trang sau

Tổng hợp trên 200 câu hỏi trắc nghiệm Mạng nơ-ron nhân tạo có đáp án với các câu hỏi đa dạng, phong phú từ nhiều nguồn giúp sinh viên ôn trắc nghiệm Mạng nơ-ron nhân tạo đạt kết quả cao.

200+ Trắc nghiệm Mạng nơ-ron nhân tạo (có đáp án)

Quảng cáo

Câu 1: Mạng nơ-ron đồ thị (GNN) chủ yếu được sử dụng để xử lý loại dữ liệu nào?

A. Dữ liệu hình ảnh

B. Dữ liệu dạng đồ thị

C. Dữ liệu văn bản

D. Dữ liệu âm thanh

Câu 2: Trong GNN, quá trình "message passing" (truyền thông điệp) có vai trò gì?

A. Tính toán gradient cho toàn bộ mạng

B. Thu thập thông tin từ các đỉnh láng giềng để cập nhật biểu diễn đỉnh

C. Tạo đồ thị mới từ dữ liệu đầu vào

D. Giảm kích thước của đồ thị

Quảng cáo

Câu 3: Hàm tổng hợp (aggregation function) trong GNN thường sử dụng phép toán nào?

A. Tích vô hướng

B. Tổng hoặc trung bình các đặc trưng láng giềng

C. Phép nhân ma trận

D. Phép chia tỷ lệ

Câu 4: Loại GNN nào thường được sử dụng để xử lý đồ thị lớn?

A. Graph Convolutional Network (GCN)

B. Graph Attention Network (GAT)

C. GraphSAGE

D. Recurrent GNN

Câu 5: Trong Graph Attention Network (GAT), cơ chế attention có vai trò gì?

Quảng cáo

A. Tăng kích thước đặc trưng của đỉnh

B. Gán trọng số khác nhau cho các đỉnh láng giềng dựa trên mức độ quan trọng

C. Loại bỏ các cạnh không cần thiết

D. Tạo đồ thị phụ

Câu 6: GNN có thể được sử dụng cho nhiệm vụ nào dưới đây?

A. Phân loại đỉnh trong mạng xã hội

B. Nhận diện khuôn mặt

C. Xử lý ngôn ngữ tự nhiên

D. Nhận diện giọng nói

Câu 7: Vấn đề gì có thể xảy ra nếu đồ thị quá sâu trong GNN?

A. Over-smoothing

B. Under-fitting

C. Gradient explosion

D. Data leakage

Quảng cáo

Câu 8: GNN khác với CNN ở điểm nào chính?

A. GNN xử lý dữ liệu phi cấu trúc, còn CNN xử lý dữ liệu lưới (grid-like)

B. GNN chỉ sử dụng fully connected layers

C. GNN không sử dụng hàm kích hoạt

D. GNN không thể xử lý dữ liệu lớn

Câu 9: Trong GNN, đặc trưng của một đỉnh được cập nhật dựa trên thông tin từ đâu?

A. Chỉ từ chính nó

B. Từ các đỉnh láng giềng và chính nó

C. Từ toàn bộ đồ thị

D. Từ các cạnh không liên quan

Câu 10: Ứng dụng thực tế nào dưới đây phù hợp với GNN?

A. Dự đoán cấu trúc protein

B. Phân tích cảm xúc văn bản

C. Nhận diện biển số xe

D. Xử lý âm thanh

Câu 11: Few Shot Learning (FSL) là gì?

A. Một phương pháp học máy với lượng dữ liệu lớn

B. Một kỹ thuật học với số lượng mẫu huấn luyện rất ít

C. Một phương pháp tối ưu hóa gradient

D. Một kỹ thuật xử lý hình ảnh

Câu 12: Phương pháp nào thường được sử dụng trong FSL?

A. Metric-based learning

B. Gradient descent truyền thống

C. K-means clustering

D. Principal Component Analysis

Câu 13: Trong Prototypical Networks, "prototype" đại diện cho điều gì?

A. Trung bình đặc trưng của một lớp

B. Một mẫu ngẫu nhiên từ tập dữ liệu

C. Một hàm kích hoạt

D. Một tham số tối ưu hóa

Câu 14: Meta-learning trong FSL có mục tiêu gì?

A. Tối ưu hóa mô hình trên một tác vụ duy nhất

B. Học cách học nhanh trên nhiều tác vụ

C. Giảm kích thước dữ liệu đầu vào

D. Tăng tốc độ huấn luyện

Câu 15: Siamese Networks hoạt động như thế nào trong FSL?

A. So sánh cặp mẫu để tính độ tương đồng

B. Tạo ra nhiều lớp ẩn

C. Sử dụng kỹ thuật data augmentation

D. Tối ưu hóa hàm mất mát entropy

Câu 16: Trong FSL, "support set" là gì?

A. Tập dữ liệu kiểm tra

B. Tập dữ liệu huấn luyện với ít mẫu

C. Tập dữ liệu validation

D. Tập dữ liệu tổng hợp

Câu 17: Vấn đề chính của FSL là gì?

A. Overfitting do dữ liệu hạn chế

B. Underfitting do dữ liệu lớn

C. Thiếu hàm kích hoạt phù hợp

D. Chi phí tính toán cao

Câu 18: Phương pháp nào dưới đây KHÔNG phải là một cách tiếp cận chính trong FSL?

A. Model-based

B. Metric-based

C. Optimization-based

D. Rule-based

Câu 19: Trong FSL, "query set" được sử dụng để làm gì?

A. Huấn luyện mô hình

B. Đánh giá hiệu suất mô hình trên các mẫu mới

C. Tạo dữ liệu tổng hợp

D. Giảm kích thước đặc trưng

Câu 20: Ứng dụng nào phù hợp với FSL?

A. Nhận diện chữ viết tay với ít mẫu

B. Phân tích dữ liệu thời gian thực lớn

C. Xử lý âm thanh dài

D. Tạo văn bản tự động

Câu 21: R-CNN là viết tắt của gì trong lĩnh vực phát hiện đối tượng?

A. Region-based Convolutional Neural Network

B. Recurrent Convolutional Neural Network

C. Random Convolutional Neural Network

D. Reinforced Convolutional Neural Network

Câu 22: Bước đầu tiên trong quy trình của R-CNN là gì?

A. Phân loại đối tượng

B. Tạo vùng đề xuất (region proposals)

C. Tính toán gradient

D. Tăng cường dữ liệu

Câu 23: Trong R-CNN, các vùng đề xuất được xử lý như thế nào?

A. Đưa trực tiếp vào mô hình phân loại

B. Cắt và chuẩn hóa kích thước để đưa vào CNN

C. Loại bỏ hoàn toàn nếu không chứa đối tượng

D. Kết hợp với nhau thành một hình ảnh lớn

Câu 24: Hạn chế chính của R-CNN là gì?

A. Chi phí tính toán cao do xử lý từng vùng đề xuất riêng lẻ

B. Không thể xử lý hình ảnh lớn

C. Không hỗ trợ phát hiện nhiều đối tượng

D. Yêu cầu dữ liệu văn bản

Câu 25: Fast R-CNN cải tiến R-CNN ở điểm nào?

A. Sử dụng một CNN duy nhất cho toàn bộ hình ảnh

B. Loại bỏ hoàn toàn vùng đề xuất

C. Sử dụng RNN thay vì CNN

D. Tăng số lượng vùng đề xuất

................................

................................

................................

Xem thêm câu hỏi trắc nghiệm các môn học Đại học có đáp án hay khác:

ĐỀ THI, GIÁO ÁN, GÓI THI ONLINE DÀNH CHO GIÁO VIÊN VÀ PHỤ HUYNH LỚP 12

Bộ giáo án, đề thi, bài giảng powerpoint, khóa học dành cho các thầy cô và học sinh lớp 12, đẩy đủ các bộ sách cánh diều, kết nối tri thức, chân trời sáng tạo tại https://tailieugiaovien.com.vn/ . Hỗ trợ zalo VietJack Official

Giáo án, bài giảng powerpoint Văn, Toán, Lí, Hóa....

4.5 (243)

799,000đs

199,000 VNĐ

1000 Đề thi bản word THPT quốc gia cá trường 2023 Toán, Lí, Hóa....

4.5 (243)

799,000đ

199,000 VNĐ

Đề thi thử DGNL (bản word) các trường 2023

4.5 (243)

799,000đ

199,000 VNĐ

xem tất cả
Trang trước Trang sau
Giải bài tập lớp 12 Kết nối tri thức khác
Học cùng VietJack
Tài liệu giáo viên lop 1-2-3-8