Kuis terkait panduan · Keras Tingkat

Kuis Fenomena Keturunan Ganda

Tinjau penurunan ganda mendekati interpolasi dan bagaimana fenomena tersebut dapat bervariasi antar ukuran model, ukuran kumpulan data, dan durasi pelatihan.

Jalur panduan terkaitFenomena Keturunan Ganda
Pertanyaan 1 dari 8

Di manakah kesalahan pengujian biasanya mencapai puncaknya pada kurva penurunan ganda?

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  1. Di manakah kesalahan pengujian biasanya mencapai puncaknya pada kurva penurunan ganda?
    • Pada ambang interpolasi dimana model hanya cocok dengan semua data pelatihan
    • Di awal pelatihan dengan beberapa parameter
    • Hanya setelah miliaran parameter
    • Kesalahan pengujian tidak pernah mencapai puncaknya; itu jatuh secara monoton
  2. Apa yang terjadi pada kesalahan pengujian saat model menjadi terlalu parameternya?
    • Ini meningkat tanpa batas waktu karena overfitting
    • Angka ini dapat menurun lagi, seringkali di bawah nilai minimum klasik
    • Itu tetap datar
    • Ini menjadi acak dan tidak dapat diprediksi
  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. Keturunan ganda 'berdasarkan zaman' mengacu pada efek yang muncul sebagai fungsi dari apa?
    • Jumlah GPU yang digunakan
    • Hanya jadwal kecepatan pembelajaran
    • Ukuran set tes
    • Waktu pelatihan (jumlah zaman)
  5. Ide klasik manakah yang ditantang oleh keturunan ganda?
    • Pertukaran bias-varians berbentuk U
    • Propagasi mundur
    • Penurunan gradien stokastik
    • Aturan rantai
  6. Siapa yang membantu mempopulerkan dan memformalkan kurva penurunan ganda pada tahun 2019?
    • Newton dan Leibniz
    • Belkin, Hsu, Ma, dan Mandal
    • Turing dan Gereja
    • Hanya pesaing Kaggle anonim
  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