Útmutatóhoz kapcsolódó kvíz · Kemény Szint

Kettős származású jelenség kvíz

Review double descent near interpolation and how the phenomenon can vary across model size, dataset size, and training duration.

Kapcsolódó útmutató utakDupla süllyedés jelenség
kérdés 1 -ból 8

Hol tetőzik általában a teszthiba a kettős ereszkedési görbében?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. Hol tetőzik általában a teszthiba a kettős ereszkedési görbében?
    • Azon az interpolációs küszöbön, ahol a modell éppen illeszkedik az összes képzési adathoz
    • Az edzés legelején kevés paraméterrel
    • Csak több milliárd paraméter után
    • A teszthiba soha nem csúcsosodik; monotonan esik
  2. Mi történik a teszthibával, amikor egy modell erősen túlparaméterezetté válik?
    • A túlillesztés miatt korlátlanul emelkedik
    • Ismét csökkenhet, gyakran a klasszikus minimum alá
    • Pontosan lapos marad
    • Véletlenszerűvé és kiszámíthatatlanná válik
  3. In which setting does the cited implicit-bias analysis characterize a minimum-norm solution?
    • Any neural network trained with gradient descent
    • Any model that reaches zero training error
    • A single-hidden-layer linear network under stated gradient-flow and initialization assumptions
    • A model trained without an optimization objective
  4. A „korszakonkénti” kettős ereszkedés arra utal, hogy minek függvényében jelenik meg a hatás?
    • A használt GPU-k száma
    • Csak a tanulási ütemterv
    • A tesztkészlet mérete
    • Képzési idő (korszakok száma)
  5. Melyik klasszikus ötlet vitatja a kettős származást?
    • A torzítás-variancia U-alakú kompromisszuma
    • Visszaszaporítás
    • Sztochasztikus gradiens süllyedés
    • A láncszabály
  6. Ki segített népszerűsíteni és formalizálni a kettős ereszkedési görbét 2019-ben?
    • Newton és Leibniz
    • Belkin, Hsu, Ma és Mandal
    • Turing és Church
    • Csak névtelen Kaggle versenyzők
  7. Which model families did OpenAI report studying in its deep double-descent experiments?
    • Only decision trees and linear regression
    • Only recurrent speech recognizers
    • Convolutional neural networks, ResNets, and transformers
    • Only graphical game generators
  8. Besides model size and training duration, which axis can also show double-descent behavior?
    • Font size in a report
    • The number of words in a product name
    • The screen resolution of a monitor
    • Training dataset size