مسابقة التنظيم

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

1. لماذا يضيف الممارس التنظيم عندما يناسب النموذج الضوضاء الخاصة بالتدريب؟
   • To guarantee zero training error
   • To remove the need for validation data
   • To guarantee a faster GPU kernel
   • To discourage overfitting and evaluate whether unseen-data performance improves
2. ما هي تقنية التنظيم التي من المرجح أن تدفع بعض الأوزان إلى الصفر تمامًا، مع تحديد الميزات بشكل فعال؟
   • تسوية L2 (تسوس الوزن)
   • تسوية L1
   • التطبيع دفعة
   • زيادة معدل التعلم
3. كيف يقوم التسرب بتنظيم الشبكة العصبية أثناء التدريب؟
   • يقوم بحذف الطبقات بشكل دائم من الشبكة
   • ويضيف الأوزان التربيعية إلى وظيفة الخسارة
   • يقوم بإيقاف الخلايا العصبية بشكل عشوائي في كل خطوة حتى لا تتمكن من التكيف
   • يتوقف عن التدريب عندما يرتفع فقدان التحقق من الصحة
4. في الخسارة المنتظمة "خطأ + لامدا × عقوبة"، ما الذي تفعله زيادة لامدا؟
   • يقوي العقوبة، ويدفع النموذج نحو حلول أبسط
   • يضعف الجزاء ويسمح بأوزان أكبر
   • يزيل مصطلح الخطأ بالكامل
   • ليس له أي تأثير على الأوزان
5. لماذا يمكن اعتبار التوقف المبكر شكلاً من أشكال التنظيم؟
   • لأنه يضيف عقوبة الوزن إلى الخسارة
   • لأنه يوقف التدريب قبل أن يبدأ النموذج في إدخال الضوضاء في البيانات
   • لأنه يزيد من قدرة النموذج مع مرور الوقت
   • لأنه يزيل الخلايا العصبية بشكل عشوائي
6. What can happen when regularization is strengthened beyond what a task needs?
   • Both training and test accuracy must improve
   • The penalty becomes unrelated to the objective
   • Validation becomes unnecessary
   • The model can underfit useful structure even if variance decreases
7. For a regularization example with weights minus two and one, what are the unscaled L1 and sum-of-squares L2 penalties?
   • L1 is three and L2 is five
   • L1 is minus one and L2 is three
   • L1 is five and L2 is three
   • Both penalties are minus two
8. A regularized objective has prediction error two, lambda one-half, and penalty six. What is its total value?
   • ثمانية
   • ثلاثة
   • خمسة
   • واحد