Kuis Gradien Hilang dan Meledak

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

1. Operasi matematika apa dalam propagasi mundur yang menjadi penyebab utama hilangnya dan meledaknya gradien?
   • Mengalikan faktor per lapisan berulang kali melalui aturan rantai
   • Menambahkan gradien di satu lapisan
   • Membagi kerugian dengan ukuran batch
   • Mengambil akar kuadrat dari bobot
2. Why can sigmoid or tanh units contribute to vanishing gradients when they are saturated?
   • Their derivatives are always larger than one
   • Their derivatives become small in saturated regions, so repeated chain-rule products can shrink
   • They remove the chain rule from backpropagation
   • They force every weight to zero
3. Arsitektur manakah yang PALING terpengaruh oleh masalah gradien pada rangkaian yang panjang?
   • Perceptron dua lapis
   • Regresi linier tunggal
   • Jaringan saraf berulang dibuka dalam beberapa tahap waktu
   • Tabel pencarian
4. Melihat hilangnya pelatihan tiba-tiba berubah menjadi NaN kemungkinan besar menunjukkan masalah yang mana?
   • Gradien yang hilang
   • Konvergensi sempurna
   • Kecepatan pembelajaran terlalu kecil
   • Gradien yang meledak
5. Bagaimana koneksi sisa (lewati) membantu menghilangkan gradien?
   • Mereka memberi gradien jalur pintas langsung ke belakang, melewati perkalian yang mengecil
   • Mereka menghapus semua nonlinier
   • Mereka meningkatkan kecepatan pembelajaran secara otomatis
   • Mereka menghapus lapisan awal
6. In a simplified analysis of a recurrent linear transformation repeated over many steps, what matrix quantity is a rough signal of growth versus decay?
   • The matrix trace relative to the batch size
   • The spectral radius relative to one
   • The number of hidden units alone
   • The determinant relative to the learning rate
7. A backpropagated gradient is multiplied by a factor below one at each of many layers. What trend should you expect?
   • It must become exactly one
   • It grows exponentially regardless of the factor
   • The signal can shrink exponentially with depth
   • It stops depending on earlier layers after one step
8. Why can a recurrent network be especially vulnerable over a long sequence?
   • The network has no hidden state
   • The output layer is used only once
   • The sequence is processed without a chain rule
   • The recurrent transformation is applied repeatedly across timesteps, compounding its gradient effect