Quiz collegato alla guida · Medio Livello

Quiz sull'apprendimento continuo e sull'oblio catastrofico

Esaminare l’oblio catastrofico, la plasticità della stabilità, il CAE, la riproduzione, le famiglie di compiti e i limiti dell’apprendimento continuo. Controllare l'ambito e le ipotesi.

Domanda 1 di 8

Cos'è l'"oblio catastrofico"?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. Cos'è l'"oblio catastrofico"?
    • Quando l'apprendimento di una nuova attività riduce drasticamente le prestazioni su attività apprese in precedenza
    • Quando un modello esaurisce la memoria e si blocca
    • Quando i dati di allenamento vengono eliminati accidentalmente
    • Quando un modello si rifiuta di fare previsioni
  2. Il compromesso alla base dell’apprendimento continuo è spesso chiamato:
    • Compromesso bias-varianza
    • Dilemma stabilità-plasticità
    • Compromesso tra velocità e precisione
    • Compromesso esplorazione-sfruttamento
  3. Cosa fa il Consolidamento del Peso Elastico (EWC)?
    • Elimina i neuroni non importanti
    • Raddoppia il tasso di apprendimento per le nuove attività
    • Penalizza le modifiche ai pesi importanti per le attività apprese in precedenza
    • Memorizza per sempre ogni esempio di formazione precedente
  4. In che modo i metodi basati sul replay combattono l'oblio?
    • Congelando permanentemente l'intera rete
    • Utilizzando un tasso di apprendimento maggiore
    • Rimuovendo la funzione di perdita
    • Interlacciando vecchi esempi memorizzati o generati in una nuova formazione
  5. How does Gradient Episodic Memory (GEM) constrain a gradient update while learning a new task?
    • It projects the gradient so its first-order approximation does not increase loss on stored prior-task examples
    • It replaces all prior-task data with new examples
    • It freezes every parameter for all future tasks
    • It increases weights that were unimportant to earlier tasks
  6. Perché la messa a punto ingenua di una nuova attività causa l'oblio?
    • La GPU si surriscalda e corrompe la memoria
    • La discesa del gradiente sposta i pesi condivisi verso il nuovo compito senza alcun vincolo a preservare quelli vecchi
    • Le nuove attività hanno sempre più dati
    • Il modello elimina intenzionalmente i vecchi pesi
  7. How does iCaRL classify a test example after learning multiple classes?
    • By retrieving the single closest word in a text corpus
    • By selecting the class with the largest Fisher information
    • By comparing its feature vector with per-class means computed from stored exemplars
    • By replaying every training image at inference
  8. Why is evaluating continual learning more than measuring final accuracy on the newest task?
    • New-task accuracy is the only relevant measure
    • Old tasks are removed from the evaluation
    • The model cannot be tested on multiple tasks
    • A method must also measure retention on prior tasks and its ability to learn new ones