Réseaux neuronaux convolutionnels

1. Quel est l'objectif de la couche de convolution dans un CNN ?

A) Fusionner les données en une seule
B) Extraire des caractéristiques des données d'entrée
C) Effectuer une rétropropagation de l'erreur
D) Classer les données en catégories

2. Quelle est l'activation principalement utilisée dans les couches cachées des CNN ?

A) Sigmoid
B) ReLU (Rectified Linear Unit)
C) Softmax
D) Tanh (Tangente hyperbolique)

3. Quel est le rôle de la fonction de perte (loss function) dans un CNN ?

A) Activer les neurones de sortie
B) Mesurer la différence entre les prédictions du modèle et les valeurs réelles
C) Optimiser le processus d'apprentissage
D) Choisir les caractéristiques à extraire

4. Qu'est-ce que la surapprentissage (overfitting) dans un modèle CNN ?

A) Le modèle sous-estime les données d'entrée
B) Le nombre de couches cachées est insuffisant
C) Le modèle s'est trop adapté aux données d'apprentissage et ne se généralise pas bien aux nouvelles données
D) Le taux d'apprentissage est trop élevé

5. Pourquoi utilise-t-on des fonctions d'activation dans les CNN ?

A) Pour stabiliser les poids du modèle
B) Pour réduire la dimension des données
C) Pour ajouter de la non-linéarité au modèle
D) Pour accélérer la convergence de l'apprentissage

6. Quelle est la fonction principale de la couche de sortie d'un CNN dans une tâche de classification d'images ?

A) Corriger les prédictions erronées
B) Produire des probabilités pour chaque classe
C) Appliquer une fonction d'activation
D) Extraire les caractéristiques visuelles

7. Dans un CNN, qu'est-ce que le terme 'padding' désigne-t-il dans le contexte des opérations de convolution ?

A) Normalisation des intensités des pixels
B) Ajout de zéros autour des bords de l'image pour préserver la taille de sortie
C) Application de filtres aléatoires aux données
D) Réduction de la taille de l'image en sortie

8. Quel type de réseau de neurones est souvent utilisé en combinaison avec les CNN pour des tâches plus complexes ?

A) Réseaux de neurones artificiels (ANN)
B) Réseaux de neurones récurrents (RNN)
C) Réseaux de neurones auto-encodeurs
D) Réseaux adversariaux génératifs (GAN)

Créé avec That Quiz — le site de création de tests de math avec des ressources pour d'autres matières.