Mạng neural làm gì trong học sâu?
Trả lời:
Đáp án đúng: D
Mạng neural trong học sâu (deep learning) là các mô hình tính toán được lấy cảm hứng từ cấu trúc và chức năng của não người. Chúng bao gồm các lớp kết nối các nút (neuron) với nhau, cho phép mô hình học các mẫu từ dữ liệu. Mục tiêu chính của mạng neural là tạo ra một mô hình có khả năng dự đoán hoặc phân loại dữ liệu mới một cách chính xác. Do đó, đáp án C là chính xác nhất, vì nó thể hiện mục tiêu chính của việc sử dụng mạng neural trong học sâu.
Các lựa chọn khác không chính xác vì:
- A: Mạng neural không trực tiếp giảm kích thước dữ liệu, mặc dù một số kiến trúc có thể thực hiện giảm chiều dữ liệu như một bước tiền xử lý.
- B: Tăng độ chính xác của mô hình là một *kết quả* mong muốn của việc sử dụng mạng neural, nhưng không phải là *chức năng* chính của nó. Mạng neural *tạo ra* mô hình, và mô hình này có thể có độ chính xác cao.
- D: Mô phỏng cấu trúc não người là nguồn cảm hứng, nhưng mạng neural không nhất thiết phải mô phỏng *hoàn toàn* cấu trúc não người. Mục tiêu chính là tạo ra một mô hình hiệu quả cho các tác vụ học máy.
32 câu hỏi 60 phút
