Questionário de abandono e regularização estocástica

As respostas e explicações aparecem conforme você responde ao teste.

1. O que o abandono faz durante o treinamento?
   • Exclui pesos permanentemente
   • Define aleatoriamente uma fração das saídas dos neurônios para zero em cada passagem direta
   • Duplica a taxa de aprendizagem
   • Adiciona mais camadas à rede
2. Por que o abandono melhora a generalização?
   • Aumenta o número de parâmetros
   • Elimina a necessidade de dados de treinamento
   • Garante zero erro de treinamento
   • Impede a co-adaptação dos neurônios e força representações redundantes e robustas
3. O que acontece com a desistência na hora do teste (inferência)?
   • Está desligado e toda a rede é usada
   • Ele derruba ainda mais neurônios
   • Ele exclui metade dos pesos
   • Ele randomiza os rótulos
4. Uma taxa de abandono de p = 0,5 em uma camada significa aproximadamente o que durante o treinamento?
   • Todos os neurônios são removidos
   • Nenhum neurônio é afetado
   • Cerca de metade dos neurônios são zerados a cada passagem
   • A camada é excluída
5. O que é o abandono frequentemente descrito como aproximado?
   • Uma única regressão linear
   • Uma árvore de decisão
   • Uma transformada de Fourier
   • Um conjunto de muitas redes diluídas que compartilham pesos
6. Para que é usado o abandono de Monte Carlo?
   • Acelerando o carregamento de dados
   • Estimando a incerteza do modelo mantendo o abandono ativo na inferência
   • Comprimindo a rede para menos pesos
   • Rotulando os dados de treinamento automaticamente
7. With inverted dropout, why is no extra activation scaling normally needed at ordinary inference?
   • The keep probability becomes exactly zero
   • Inference always averages new random masks
   • Surviving activations were already scaled during training
   • Every weight is divided by the number of layers
8. The same input yields varying predictions because dropout remains active during evaluation. What explains the variation?
   • New random masks sample different subnetworks on each pass
   • The input changes its label by itself
   • The network has no trained weights
   • Batch size must be one