অনলাইন এবং হার্ড নেগেটিভ মাইনিং কুইজ

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

1. কেন বেশিরভাগ এলোমেলোভাবে নমুনা নেতিবাচক ট্রিপলেট ক্ষতিতে সামান্য প্রশিক্ষণ সংকেত প্রদান করে?
   • তারা সাধারণত ভুল লেবেল করা হয়
   • তারা স্মৃতিতে মাপসই করা খুব ছোট
   • তারা ইতিমধ্যে নোঙ্গর থেকে অনেক দূরে, তাই ক্ষতি এবং গ্রেডিয়েন্ট শূন্যের কাছাকাছি
   • তারা সবসময় ইতিবাচক দূরত্ব সমান
2. অফলাইন মাইনিং থেকে অনলাইন মাইনিংকে কী আলাদা করে?
   • অনলাইন মাইনিং ইন্টারনেট ব্যবহার করে; অফলাইন করে না
   • অনলাইন মাইনিং ফ্লাইতে প্রতিটি মিনি-ব্যাচের মধ্যে কঠিন উদাহরণ নির্বাচন করে
   • অনলাইন মাইনিং শুধুমাত্র টেক্সট কাজ করে
   • অনলাইন মাইনিং কোন ফরোয়ার্ড পাস প্রয়োজন
3. ফেসনেটে সংজ্ঞায়িত 'আধা-হার্ড' নেতিবাচক কী?
   • নোঙ্গর ইতিবাচক তুলনায় একটি নেতিবাচক কাছাকাছি
   • একটি নেতিবাচক যা ঠিক অ্যাঙ্কর সমান
   • যেকোন এলোমেলোভাবে নির্বাচিত নেতিবাচক
   • ইতিবাচক থেকে একটি নেতিবাচক দূরে কিন্তু এখনও মার্জিন মধ্যে
4. ব্যাচ-হার্ড মাইনিংয়ে, প্রতিটি অ্যাঙ্করের জন্য কোন নেতিবাচকটি বেছে নেওয়া হয়?
   • ব্যাচের নিকটতম নেতিবাচক
   • ব্যাচের সবচেয়ে দূরবর্তী নেতিবাচক
   • এলোমেলো নেতিবাচক
   • মধ্যম দূরত্ব সহ নেতিবাচক
5. কেন বৃহত্তর ব্যাচের আকার খননকৃত মেট্রিক-লার্নিং ফলাফল উন্নত করার প্রবণতা রাখে?
   • এটি এমবেডিং মাত্রা হ্রাস করে
   • এটি একটি মার্জিনের প্রয়োজনীয়তা দূর করে
   • এটা ক্ষতি ফাংশন অপসারণ
   • এটি প্রতি ধাপে প্রার্থীর হার্ড নেগেটিভের একটি সমৃদ্ধ পুল প্রদান করে
6. পরম কঠিনতম নেতিবাচক নির্বাচন করার একটি পরিচিত ঝুঁকি কি?
   • তারা সবসময় খুব সহজ
   • তারা ব্যাচ ম্যাট্রিক্স ছোট করে তোলে
   • সেগুলি ভুল লেবেলযুক্ত বা প্রায়-সদৃশ ইতিবাচক হতে পারে যা প্রশিক্ষণকে নষ্ট করে
   • তারা গ্রেডিয়েন্ট সম্পূর্ণরূপে অপসারণ
7. With positive distance 0.4 and margin 0.2, which negative distance is semi-hard under the described rule?
   • 0.5
   • 0.2
   • 0.8
   • 1.1
8. Why does ordinary online mining within one minibatch not necessarily find the hardest negative in the entire dataset?
   • Every batch contains the complete dataset
   • Its available candidate pool is the examples in that batch
   • Distance calculations prove no other examples exist
   • The model discards all negative labels