ক্ষতি ফাংশন কুইজ

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

1. For a prediction task, what does its selected loss quantify against the training target?
   • A specified prediction-error objective
   • Only runtime speed
   • Only the number of network layers
   • Every application benefit automatically
2. কোন লস ফাংশনটি শ্রেণীবিভাগের কাজের জন্য সবচেয়ে বেশি ব্যবহৃত হয়?
   • বর্গাকার ত্রুটির গড়
   • মানে পরম ত্রুটি
   • ক্রস-এনট্রপি ক্ষতি
   • কব্জা দূরত্ব শুধুমাত্র
3. গড় বর্গাকার ত্রুটির তুলনায়, কেন আপনি মানে পরম ত্রুটি বেছে নিতে পারেন?
   • এটি তাদের আরও শাস্তি দেওয়ার জন্য ত্রুটিগুলি বর্গ করে
   • এটি বহিরাগতদের জন্য আরও শক্তিশালী কারণ এটি ত্রুটিগুলি বর্গক্ষেত্র করে না
   • এটা রিগ্রেশন জন্য ব্যবহার করা যাবে না
   • এটি সত্য লেবেল উপেক্ষা করে
4. Why does gradient-based training need a usable loss derivative or suitable substitute?
   • So a loss number can be printed
   • So all learning methods become identical
   • So the dataset no longer needs targets
   • So backpropagation and optimization can obtain an update signal
5. How does one-hot class cross-entropy change as probability assigned to the target class becomes very small?
   • Its loss must become zero
   • It rewards the prediction increasingly
   • Its loss becomes large
   • It becomes identical to accuracy
6. কেন সঠিকতা সাধারণত প্রশিক্ষণ ক্ষতি হিসাবে সরাসরি ব্যবহার করা হয় না?
   • এটি পার্থক্যযোগ্য নয়, তাই এটি কোনও দরকারী গ্রেডিয়েন্ট দেয় না
   • এটি গণনা করা খুব সহজ
   • এটি শুধুমাত্র রিগ্রেশনের জন্য কাজ করে
   • এটি সর্বদা ক্ষতির সমান
7. For illustrative regression residuals one and three, what are mean squared error and mean absolute error?
   • MSE is two and MAE is five
   • Both are four
   • MSE is ten and MAE is four
   • MSE is five and MAE is two
8. Using a base-two logarithm, what one-hot cross-entropy loss corresponds to target-class probability one-quarter?
   • One-quarter bit
   • Two bits
   • Four bits
   • Zero bits