Aktivierungsfunktionen in Neuronalen Netzen: Online-Quiz für Data Science und KI

Question 1

Welche Aktivierungsfunktion eignet sich am besten für ein Problem mit binärer Klassifizierung?

Accepted Answer

Sigmoid

Answer

Tanh

Answer

ReLU

Answer

Leaky ReLU

Question 2

Welche Aktivierungsfunktion wird häufig für Regressionsaufgaben verwendet?

Accepted Answer

Lineare Funktion

Answer

Sigmoid-Funktion

Answer

ReLU-Funktion

Question 3

Welche Formel beschreibt die ReLU-Funktion?

Accepted Answer

f(x) = max(0, x)

Answer

f(x) = tanh(x)

Answer

f(x) = 1 / (1 + e^(-x))

Answer

f(x) = x^2

Question 4

Welche Aktivierungsfunktion ist anfällig für das Vanishing-Gradient-Problem?

Accepted Answer

Sigmoid-Funktion

Answer

Tanh-Funktion

Answer

ReLU-Funktion

Answer

Leaky ReLU-Funktion

Question 5

Was zeichnet die Leaky ReLU-Funktion im Vergleich zur ReLU-Funktion aus?

Accepted Answer

Kleiner negativer Gradient für negative Werte von x

Answer

Beschränkung zwischen 0 und 1

Answer

Symmetrie um den Ursprung

Question 6

Welche Aktivierungsfunktion wird häufig in Convolutional Neural Networks (CNNs) eingesetzt?

Accepted Answer

ReLU-Funktion

Answer

Tanh-Funktion

Answer

Softmax-Funktion

Answer

Sigmoid-Funktion

Question 7

Welche Eigenschaft besitzt die ELU-Funktion (Exponential Linear Unit)?

Accepted Answer

Lineare Annäherung negativer Werte von x

Answer

Sättigung für große Werte von x

Answer

Symmetrie um den Ursprung

Question 8

Was ist die Besonderheit der Maxout-Einheit?

Accepted Answer

Auswahl des Maximalwerts aus linearen Funktionen

Answer

Glatte Approximation der ReLU-Funktion

Answer

Häufige Verwendung in tiefen Convolutional Neural Networks

Question 9

Welche Aussage über Aktivierungsfunktionen in Neuronalen Netzen ist zutreffend?

Accepted Answer

Sie bestimmen den Output eines Neurons in Abhängigkeit seiner Eingaben.

Answer

Sie sind stets linear.

Answer

Sie werden ausschließlich in Convolutional Neural Networks eingesetzt.

Question 10

Welche Aktivierungsfunktion findet häufig Anwendung in binären Klassifikationsaufgaben?

Accepted Answer

Sigmoid-Funktion

Answer

ReLU-Funktion

Answer

Tanh-Funktion

Answer

Softmax-Funktion

Question 11

Welche Aktivierungsfunktion wird typischerweise verwendet, um in einem multiklassigen Klassifizierungsproblem die Wahrscheinlichkeitsverteilung über mehrere Klassen auszugeben?

Accepted Answer

Softmax-Funktion

Answer

Tanh-Funktion

Answer

Sigmoid-Funktion

Question 12

Welche Art von Aktivierungsfunktion zeichnet sich durch einen konstanten Gradienten aus?

Accepted Answer

Linearfunktion

Answer

Tanh-Funktion

Answer

ReLU-Funktion

Answer

Sigmoid-Funktion

Question 13

Welche Aktivierungsfunktion ist für die Erzeugung eines sparsamen Outputs bekannt?

Accepted Answer

Leaky ReLU-Funktion

Answer

Sigmoid-Funktion

Answer

Softmax-Funktion

Answer

Tanh-Funktion

Question 14

Welche Aussage zur Auswahl einer Aktivierungsfunktion ist unzutreffend?

Accepted Answer

In allen Schichten des Netzwerks sollte stets dieselbe Aktivierungsfunktion eingesetzt werden.

Answer

Sie sollte auf die jeweilige Aufgabe abgestimmt werden.

Answer

Die Auswahl kann die Konvergenz des Netzwerks beeinflussen.

Question 15

Welche der folgenden Funktionen wird in Neuronalen Netzen häufig zur binären Klassifikation verwendet?

Accepted Answer

Sigmoid-Funktion

Answer

Lineare Funktion

Answer

Tanh-Funktion

Answer

Leaky ReLu-Funktion

Question 16

Welche Aussage zur Tanh-Funktion ist falsch?

Accepted Answer

Sie ist keine ungerade Funktion.

Answer

Sie ist eine sigmoide Funktion.

Answer

Sie ist auf den Bereich [-1, 1] beschränkt.

Answer

Sie ist eine monoton steigende Funktion.

Question 17

Welche der folgenden Funktionen ist eine parametrische Aktivierungsfunktion?

Accepted Answer

Parametrierte ReLu-Funktion (PReLU)

Answer

Sigmoid-Funktion

Answer

Swish-Funktion

Answer

Tanh-Funktion

Question 18

Welche Aktivierungsfunktion wird häufig in Deep-Learning-Netzwerken eingesetzt, um negative Eingaben in positive Ausgaben umzuwandeln?

Accepted Answer

ReLU-Funktion (Rectified Linear Unit)

Answer

Hyperbolische Tangens-Funktion (tanh)

Answer

Sigmoid-Funktion

Question 19

Welche Aussage über die Ableitung der Sigmoid-Funktion ist korrekt?

Accepted Answer

Sie ist gleich dem Produkt der Sigmoid-Funktion selbst mit ihrem Komplement (1 - Sigmoid(x)).

Answer

Sie ist gleich der Sigmoid-Funktion selbst.

Answer

Sie ist gleich der Ableitung der linearen Funktion.

Question 20

Welche Aktivierungsfunktion kann als Näherung der Identität verwendet werden, wenn der Eingabebereich begrenzt ist?

Accepted Answer

Leaky ReLU-Funktion

Answer

Hyperbolische Tangens-Funktion (tanh)

Answer

Sigmoid-Funktion

Question 21

Welche der folgenden Eigenschaften trifft auf die ReLU-Funktion zu?

Accepted Answer

Sie ist sparsam, d.h. nur ein Teil der Neuronen ist gleichzeitig aktiv.

Answer

Sie ist symmetrisch.

Answer

Sie ist überall differenzierbar.

Answer

Sie hat einen begrenzten Ausgabebereich.

Question 22

Welche Aktivierungsfunktion wird üblicherweise verwendet, um die Wahrscheinlichkeitsverteilung über eine Reihe möglicher Klassen vorherzusagen?

Accepted Answer

Softmax-Funktion

Answer

Hyperbolische Tangens-Funktion (tanh)

Answer

ReLU-Funktion

Answer

Sigmoid-Funktion

Question 23

Welche Aussage über die Auswahl einer Aktivierungsfunktion ist korrekt?

Accepted Answer

Die Wahl der Aktivierungsfunktion hängt von der jeweiligen Aufgabe und der Architektur des Neuronalen Netzwerks ab.

Answer

Es gibt eine allgemeingültige beste Aktivierungsfunktion für alle Aufgaben.

Answer

Die Aktivierungsfunktion sollte immer linear sein.